<\/p>\n
U kunt de functie fillna()<\/strong> gebruiken om NaN-waarden in een pandas DataFrame te vervangen.<\/span><\/p>\n Hier zijn drie veelvoorkomende manieren om deze functie te gebruiken:<\/span><\/p>\n Methode 1: Vul NaN-waarden in een kolom met het gemiddelde<\/strong><\/span><\/p>\n Methode 2: Vul NaN-waarden in meerdere kolommen met gemiddelde<\/strong><\/span><\/p>\n Methode 3: Vul NaN-waarden in alle kolommen in met gemiddelde<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n De volgende code laat zien hoe je de NaN-waarden in de beoordelingskolom<\/strong> vult met de gemiddelde waarde van de beoordelingskolom<\/strong> :<\/span><\/p>\n De gemiddelde waarde in de beoordelingskolom<\/strong> was 85.125<\/strong> , dus elk van de NaN-waarden in de beoordelingskolom<\/strong> was met die waarde gevuld.<\/span><\/p>\n De volgende code laat zien hoe u de NaN-waarden in de beoordelings-<\/strong> en puntenkolommen<\/strong> kunt invullen met hun respectievelijke kolomgemiddelden:<\/span><\/p>\n De NaN-waarden in de cijfer-<\/strong> en puntkolommen<\/strong> zijn gevuld met hun respectieve kolomgemiddelden.<\/span><\/p>\n De volgende code laat zien hoe je de NaN-waarden in elke kolom vult met de kolomgemiddelden:<\/span><\/p>\n Merk op dat de NaN-waarden in elke kolom zijn gevuld met het gemiddelde van hun kolom.<\/span><\/p>\n U kunt hier<\/a> de volledige online documentatie voor de functie fillna()<\/strong> vinden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe ontbrekende waarden bij panda’s te tellen<\/a> U kunt de functie fillna() gebruiken om NaN-waarden in een pandas DataFrame te vervangen. Hier zijn drie veelvoorkomende manieren om deze functie te gebruiken: Methode 1: Vul NaN-waarden in een kolom met het gemiddelde df[‚ col1 ‚] = df[‚ col1 ‚]. fillna (df[‚ col1 ‚]. mean ()) Methode 2: Vul NaN-waarden in meerdere kolommen met […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2665","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df[' col1<\/span> '] = df[' col1<\/span> ']. fillna<\/span> (df[' col1<\/span> ']. mean<\/span> ())<\/strong><\/pre>\n df[[' col1<\/span> ', ' col2<\/span> ']] = df[[' col1<\/span> ', ' col2<\/span> ']]. fillna<\/span> (df[[' col1<\/span> ',' col2<\/span> ']]. mean<\/span> ())<\/strong><\/pre>\n df = df. fillna<\/span> ( df.mean<\/span> ())<\/strong><\/pre>\n import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#create DataFrame with some NaN values<\/span>\ndf = pd. DataFrame<\/span> ({' rating<\/span> ': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],\n ' points<\/span> ': [25, np.nan, 14, 16, 27, 20, 12, 15, 14, 19],\n ' assists<\/span> ': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})\n\n#view DataFrame<\/span>\ndf\n\n rating points assists rebounds\n0 NaN 25.0 5.0 11\n1 85.0 NaN 7.0 8\n2 NaN 14.0 7.0 10\n3 88.0 16.0 NaN 6\n4 94.0 27.0 5.0 6\n5 90.0 20.0 7.0 9\n6 76.0 12.0 6.0 6\n7 75.0 15.0 9.0 10\n8 87.0 14.0 9.0 10\n9 86.0 19.0 5.0 7\n<\/strong><\/pre>\n Voorbeeld 1: Vul NaN-waarden in een kolom met het gemiddelde<\/strong><\/span><\/h3>\n
#fill NaNs with column mean in 'rating' column<\/span>\ndf[' rating<\/span> '] = df[' rating<\/span> ']. fillna<\/span> (df[' rating<\/span> ']. mean<\/span> ())\n\n<\/span>#view updated DataFrame<\/span>\ndf\n\n\trating points assists rebounds\n0 85.125 25.0 5.0 11\n1 85,000 NaN 7.0 8\n2 85.125 14.0 7.0 10\n3 88,000 16.0 NaN 6\n4 94,000 27.0 5.0 6\n5 90,000 20.0 7.0 9\n6 76,000 12.0 6.0 6\n7 75,000 15.0 9.0 10\n8 87,000 14.0 9.0 10\n9 86,000 19.0 5.0 7\n<\/strong><\/pre>\n Voorbeeld 2:<\/strong> Vul NaN-waarden in meerdere kolommen met het gemiddelde<\/strong><\/span><\/h3>\n
#fill NaNs with column means in 'rating' and 'points' columns<\/span>\ndf[[' rating<\/span> ', ' points<\/span> ']] = df[[' rating<\/span> ', ' points<\/span> ']]. fillna<\/span> (df[[' rating<\/span> ',' points<\/span> ']]. mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n\trating points assists rebounds\n0 85.125 25.0 5.0 11\n1 85,000 18.0 7.0 8\n2 85.125 14.0 7.0 10\n3 88,000 16.0 NaN 6\n4 94,000 27.0 5.0 6\n5 90,000 20.0 7.0 9\n6 76,000 12.0 6.0 6\n7 75,000 15.0 9.0 10\n8 87,000 14.0 9.0 10\n9 86,000 19.0 5.0 7\n<\/strong><\/pre>\n Voorbeeld 3: Vul de NaN-waarden in alle kolommen met het gemiddelde<\/strong><\/h3>\n
#fill NaNs with column means in each column<\/span> \ndf = df. fillna<\/span> ( df.mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n rating points assists rebounds\n0 85.125 25.0 5.000000 11\n1 85,000 18.0 7,000000 8\n2 85.125 14.0 7.000000 10\n3 88,000 16.0 6.666667 6\n4 94,000 27.0 5,000000 6\n5 90,000 20.0 7,000000 9\n6 76,000 12.0 6,000000 6\n7 75,000 15.0 9,000000 10\n8 87,000 14.0 9,000000 10\n9 86,000 19.0 5,000000 7\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe rijen met NaN-waarden in Panda’s te verwijderen<\/a>
Hoe rijen met een specifieke waarde in Pandas te verwijderen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"