Pandas：如何使用字典填充 nan 值

您可以将fillna()函数与字典结合使用，根据另一列中的值替换 pandas DataFrame 的一列中的 NaN 值。

为此，您可以使用以下基本语法：

 #define dictionary
dict = {' A ': 5 , ' B ': 10 , ' C ': 15 , ' D ': 20 }

#replace values in col2 based on dictionary values in col1
df[' col2 '] = df[' col2 ']. fillna (df[' col1 ']. map (dict))

以下示例展示了如何在实践中使用此语法。

示例：使用字典在 Pandas 中填充 NaN 值

假设我们有以下 pandas DataFrame，其中包含有关各个零售商店的销售信息：

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({' store ': ['A', 'A', 'B', 'C', 'D', 'C', 'B', 'D'],
                   ' sales ': [12, np.nan, 30, np.nan, 24, np.nan, np.nan, 13]})

#view DataFrame
print (df)

  blind sales
0 to 12.0
1 A NaN
2 B 30.0
3 C NaN
4 D 24.0
5CNaN
6BNaN
7 D 13.0

请注意， Sales列中有多个 NaN 值。

假设我们想要使用与store列中的特定值相对应的值来填充sales列中的这些 NaN。

我们可以使用以下语法来做到这一点：

 #define dictionary
dict = {' A ': 5 , ' B ': 10 , ' C ': 15 , ' D ': 20 }

#replace values in sales column based on dictionary values in store column
df[' sales '] = df[' sales ']. fillna (df[' store ']. map (dict))

#view updated DataFrame
print (df)

  blind sales
0 to 12.0
1 A 5.0
2 B 30.0
3C 15.0
4 D 24.0
5C 15.0
6 B 10.0
7 D 13.0

我们使用字典在 sales 列中进行以下替换：

• 如果商店是A ，请将 Sales 中的 NaN 替换为值5 。
• 如果商店是B ，请将 sales 中的 NaN 替换为值10 。
• 如果 store 是C ，请将 sales 中的 NaN 替换为值15 。
• 如果商店是D ，请将 sales 中的 NaN 替换为值20 。

您可以在此处找到fillna()函数的完整在线文档。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

如何统计pandas中的缺失值
如何删除 Pandas 中包含 NaN 值的行
如何删除 Pandas 中包含特定值的行