Panda's: hoe fillna() te gebruiken met specifieke kolommen

U kunt de volgende methoden gebruiken met fillna() om NaN-waarden in specifieke kolommen van een pandas DataFrame te vervangen:

Methode 1: Gebruik fillna() met een specifieke kolom

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

Methode 2: Gebruik fillna() met meerdere specifieke kolommen

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

In deze tutorial wordt uitgelegd hoe u deze functie kunt gebruiken met de volgende panda’s DataFrame:

 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

Voorbeeld 1: Gebruik fillna() met een specifieke kolom

De volgende code laat zien hoe u fillna() kunt gebruiken om NaN-waarden alleen door nullen te vervangen in de kolom „opmerking“:

 #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

Merk op dat de NaN-waarden alleen in de kolom „opmerking“ zijn vervangen en dat alle andere kolommen intact zijn gebleven.

Voorbeeld 2: Gebruik fillna () met meerdere specifieke kolommen

De volgende code laat zien hoe u fillna() gebruikt om NaN-waarden te vervangen door nullen in de kolommen „grade“ en „points“:

 #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

Merk op dat de NaN-waarden zijn vervangen in de kolommen „cijfer“ en „punten“, maar dat de andere kolommen intact blijven.

Opmerking : u kunt de volledige documentatie van de pandas fillna() -functie hier vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe ontbrekende waarden bij panda’s te tellen
Hoe rijen met NaN-waarden in Panda’s te verwijderen
Hoe rijen met een specifieke waarde in Pandas te verwijderen