Pandas : comment utiliser fillna() avec des colonnes spécifiques

Vous pouvez utiliser les méthodes suivantes avec fillna() pour remplacer les valeurs NaN dans des colonnes spécifiques d’un DataFrame pandas :

Méthode 1 : utilisez fillna() avec une colonne spécifique

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

Méthode 2 : utilisez fillna() avec plusieurs colonnes spécifiques

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

Ce tutoriel explique comment utiliser cette fonction avec le DataFrame pandas suivant :

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

Exemple 1 : utilisez fillna() avec une colonne spécifique

Le code suivant montre comment utiliser fillna() pour remplacer les valeurs NaN par des zéros uniquement dans la colonne « 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

Notez que les valeurs NaN ont été remplacées uniquement dans la colonne « note » et que toutes les autres colonnes sont restées intactes.

Exemple 2 : utiliser fillna () avec plusieurs colonnes spécifiques

Le code suivant montre comment utiliser fillna() pour remplacer les valeurs NaN par des zéros dans les colonnes « note » et « 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

Notez que les valeurs NaN ont été remplacées dans les colonnes « note » et « points » mais les autres colonnes restent intactes.

Remarque : Vous pouvez trouver la documentation complète de la fonction pandas fillna() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Comment compter les valeurs manquantes chez les pandas
Comment supprimer des lignes avec des valeurs NaN dans Pandas
Comment supprimer des lignes contenant une valeur spécifique dans Pandas