Panda: come utilizzare fillna() con colonne specifiche

È possibile utilizzare i seguenti metodi con fillna() per sostituire i valori NaN in colonne specifiche di un DataFrame panda:

Metodo 1: utilizzare fillna() con una colonna specifica

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

Metodo 2: utilizzare fillna() con più colonne specifiche

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

Questo tutorial spiega come utilizzare questa funzione con i seguenti DataFrame panda:

 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

Esempio 1: utilizzare fillna() con una colonna specifica

Il codice seguente mostra come utilizzare fillna() per sostituire i valori NaN con zeri solo nella colonna “note”:

 #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

Da notare che i valori NaN sono stati sostituiti solo nella colonna “nota” e tutte le altre colonne sono state lasciate intatte.

Esempio 2: utilizzare fillna () con più colonne specifiche

Il codice seguente mostra come utilizzare fillna() per sostituire i valori NaN con zeri nelle colonne “voto” e “punti”:

 #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

Da notare che i valori NaN sono stati sostituiti nelle colonne “voto” e “punteggi” ma le altre colonne rimangono intatte.

Nota : puoi trovare la documentazione completa della funzione pandas fillna() qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:

Come contare i valori mancanti nei panda
Come eliminare righe con valori NaN in Pandas
Come eliminare righe contenenti un valore specifico in Pandas