Pandas：如何对特定列使用 fillna()

您可以使用以下方法与fillna()来替换 pandas DataFrame 的特定列中的 NaN 值：

方法 1：对特定列使用 fillna()

 df[' col1 '] = df[' col1 ']. fillna (0)

方法 2：对多个特定列使用 fillna()

 df[[' col1 ', ' col2 ']] = df[[' col1 ', ' col2 ']]. fillna (0)

本教程解释了如何将此函数与以下 pandas DataFrame 一起使用：

 import numpy as np
import pandas as pd

#create DataFrame with some NaN values
df = pd. DataFrame ({'rating': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],
                   'points': [25, np.nan, 14, 16, 27, 20, 12, 15, 14, 19],
                   'assists': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})

#view DataFrame
df

        rating points assists rebounds
0 NaN 25.0 5.0 11
1 85.0 NaN 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

示例 1：对特定列使用 fillna()

下面的代码展示了如何使用fillna()仅在“note”列中用零替换 NaN 值：

 #replace NaNs with zeros in 'rating' column
df[' rating '] = df[' rating ']. fillna (0)

#view DataFrame
df

	rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 NaN 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

请注意，NaN 值仅在“note”列中被替换，所有其他列均保持不变。

示例 2：对多个特定列使用 fillna()

以下代码展示了如何使用fillna()将“grade”和“points”列中的 NaN 值替换为零：

 #replace NaNs with zeros in 'rating' and 'points' columns
df[[' rating ', ' points ']] = df[[' rating ', ' points ']]. fillna (0)

#view DataFrame
df

	rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 0.0 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

请注意，“等级”和“分数”列中的 NaN 值已被替换，但其他列保持不变。

注意：您可以在此处找到 pandas fillna()函数的完整文档。

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