Comment remplir les valeurs NA pour plusieurs colonnes dans Pandas

La fonction pandas fillna() est utile pour remplir les valeurs manquantes dans les colonnes d’un pandas DataFrame.

Ce didacticiel fournit plusieurs exemples d’utilisation de cette fonction pour remplir les valeurs manquantes pour plusieurs colonnes du DataFrame pandas suivant :

import pandas as pd
import numpy as np

#create DataFrame
df = pd.DataFrame({'team': ['A', np.nan, 'B', 'B', 'B', 'C', 'C', 'C'],
                   'points': [25, np.nan, 15, np.nan, 19, 23, 25, 29],
                   'assists': [5, 7, 7, 9, 12, 9, np.nan, 4],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print(df)

  team  points  assists  rebounds
0    A    25.0      5.0        11
1  NaN     NaN      7.0         8
2    B    15.0      7.0        10
3    B     NaN      9.0         6
4    B    19.0     12.0         6
5    C    23.0      9.0         5
6    C    25.0      NaN         9
7    C    29.0      4.0        12

Exemple 1 : Remplissez les valeurs manquantes de toutes les colonnes

Le code suivant montre comment remplir les valeurs manquantes avec un zéro pour toutes les colonnes du DataFrame :

#replace all missing values with zero
df.fillna(value=0, inplace=True)

#view DataFrame
print(df) 

  team  points  assists  rebounds
0    A    25.0      5.0        11
1    0     0.0      7.0         8
2    B    15.0      7.0        10
3    B     0.0      9.0         6
4    B    19.0     12.0         6
5    C    23.0      9.0         5
6    C    25.0      0.0         9
7    C    29.0      4.0        12

Exemple 2 : Remplissez les valeurs manquantes de plusieurs colonnes

Le code suivant montre comment remplir les valeurs manquantes avec un zéro uniquement pour les colonnes de points et d’assistance du DataFrame :

#replace missing values in points and assists columns with zero
df[['points', 'assists']] = df[['points', 'assists']].fillna(value=0)

#view DataFrame
print(df) 

  team  points  assists  rebounds
0    A    25.0      5.0        11
1  NaN     0.0      7.0         8
2    B    15.0      7.0        10
3    B     0.0      9.0         6
4    B    19.0     12.0         6
5    C    23.0      9.0         5
6    C    25.0      0.0         9
7    C    29.0      4.0        12

Exemple 3 : Remplissez les valeurs manquantes de plusieurs colonnes avec des valeurs différentes

Le code suivant montre comment remplir les valeurs manquantes dans trois colonnes différentes avec trois valeurs différentes :

#replace missing values in three columns with three different values
df.fillna({'team':'Unknown', 'points': 0, 'assists': 'zero'}, inplace=True)

#view DataFrame
print(df)

      team  points assists  rebounds
0        A    25.0       5        11
1  Unknown     0.0       7         8
2        B    15.0       7        10
3        B     0.0       9         6
4        B    19.0      12         6
5        C    23.0       9         5
6        C    25.0    zero         9
7        C    29.0       4        12

Notez que chacune des valeurs manquantes dans les trois colonnes a été remplacée par une valeur unique.