Cara mengisi nilai na untuk beberapa kolom di pandas

Fungsi pandas fillna() berguna untuk mengisi nilai yang hilang pada kolom pandas DataFrame.

Tutorial ini memberikan beberapa contoh penggunaan fungsi ini untuk mengisi nilai yang hilang untuk beberapa kolom di pandas DataFrame berikut:

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({'team': ['A', np. nan , 'B', 'B', 'B', 'C', 'C', 'C'],
                   'points': [25, np. no , 15, np. no , 19, 23, 25, 29],
                   'assists': [5, 7, 7, 9, 12, 9, np. no , 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

Contoh 1: Isi nilai yang hilang di semua kolom

Kode berikut menunjukkan cara mengisi nilai yang hilang dengan nol untuk semua kolom di 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

Contoh 2: Isi nilai yang hilang untuk beberapa kolom

Kode berikut menunjukkan cara mengisi nilai yang hilang dengan nol hanya untuk kolom titik dan pembantu 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

Contoh 3: Isi nilai yang hilang dari beberapa kolom dengan nilai berbeda

Kode berikut menunjukkan cara mengisi nilai yang hilang di tiga kolom berbeda dengan tiga nilai berbeda:

 #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

Perhatikan bahwa setiap nilai yang hilang di tiga kolom telah diganti dengan nilai unik.