Pandy: jak używać fillna() z określonymi kolumnami

Możesz użyć następujących metod z fillna(), aby zastąpić wartości NaN w określonych kolumnach pandy DataFrame:

Metoda 1: Użyj fillna() z określoną kolumną

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

Metoda 2: Użyj fillna() z wieloma określonymi kolumnami

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

W tym samouczku wyjaśniono, jak używać tej funkcji z następującą ramką DataFrame pand:

 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

Przykład 1: Użyj fillna() z określoną kolumną

Poniższy kod pokazuje, jak użyć fillna() do zamiany wartości NaN na zera tylko w kolumnie „uwaga”:

 #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

Należy pamiętać, że wartości NaN zostały zastąpione jedynie w kolumnie „uwaga”, a wszystkie pozostałe kolumny pozostały nienaruszone.

Przykład 2: Użyj fillna () z wieloma określonymi kolumnami

Poniższy kod pokazuje, jak za pomocą fillna() zastąpić wartości NaN zerami w kolumnach „ocena” i „punkty”:

 #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

Należy pamiętać, że wartości NaN zostały zastąpione w kolumnach „ocena” i „punkty”, ale pozostałe kolumny pozostały nienaruszone.

Uwaga : pełną dokumentację funkcji pandas fillna() można znaleźć tutaj .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe operacje na pandach:

Jak policzyć brakujące wartości w pandach
Jak usunąć wiersze z wartościami NaN w Pandach
Jak usunąć wiersze zawierające określoną wartość w Pandach