Pandas: cara menggunakan fillna() dengan kolom tertentu

Anda dapat menggunakan metode berikut dengan fillna() untuk mengganti nilai NaN di kolom tertentu dari pandas DataFrame:

Metode 1: Gunakan fillna() dengan kolom tertentu

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

Metode 2: Gunakan fillna() dengan beberapa kolom tertentu

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

Tutorial ini menjelaskan cara menggunakan fungsi ini dengan pandas DataFrame berikut:

 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

Contoh 1: Gunakan fillna() dengan kolom tertentu

Kode berikut menunjukkan cara menggunakan fillna() untuk mengganti nilai NaN dengan angka nol hanya di kolom “catatan”:

 #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

Perhatikan bahwa nilai NaN diganti hanya di kolom “catatan” dan semua kolom lainnya dibiarkan utuh.

Contoh 2: Gunakan fillna () dengan beberapa kolom tertentu

Kode berikut menunjukkan cara menggunakan fillna() untuk mengganti nilai NaN dengan angka nol di kolom “nilai” dan “poin”:

 #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

Perhatikan bahwa nilai NaN telah diganti di kolom “nilai” dan “poin” tetapi kolom lainnya tetap utuh.

Catatan : Anda dapat menemukan dokumentasi lengkap fungsi pandas fillna() di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:

Cara menghitung nilai yang hilang di panda
Cara menghapus baris dengan nilai NaN di Pandas
Cara menghapus baris yang berisi nilai tertentu di Pandas