Pandas：如何用模式填充 nan 值

您可以使用以下语法将 pandas DataFrame 列中的 NaN 值替换为该列的模式值：

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

以下示例展示了如何在实践中使用此语法。

示例：用 Pandas 中的 Mode 替换缺失值

假设我们有以下 pandas DataFrame，其中缺少一些值：

 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, 75, 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, 7],
                   ' 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 75.0 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 7.0 7

我们可以使用fillna()函数将rating列中的 NaN 值填充为rating列的众数：

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

#view updated DataFrame
df

	rating points assists rebounds
0 75.0 25.0 5.0 11
1 85.0 NaN 7.0 8
2 75.0 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 75.0 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 7.0 7

评级列中的众数为75 ，因此评级列中的每个 NaN 值都用该值填充。

注意：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