Pandy: jak wypełnić wartości nan za pomocą mode

Możesz użyć poniższej składni, aby zastąpić wartości NaN w kolumnie pandy DataFrame wartością trybu kolumny:

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

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Przykład: Zamień brakujące wartości na Tryb w Pandach

Załóżmy, że mamy następującą ramkę danych pandy z kilkoma brakującymi wartościami:

 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, 75, 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, 7],
                   ' 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 75.0 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 7.0 7

Możemy użyć funkcji fillna() do wypełnienia wartości NaN w kolumnie oceny wartością trybu kolumny oceny :

 #fill NaNs with column mode in 'rating' column
df[' rating '] = df[' rating ']. fillna (df[' rating ']. mode ()[0])

#view updated DataFrame
df

	rating points assists rebounds
0 75.0 25.0 5.0 11
1 85.0 NaN 7.0 8
2 75.0 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 75.0 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 7.0 7

Wartość trybu w kolumnie oceny wynosiła 75 , więc każda z wartości NaN w kolumnie oceny została wypełniona tą wartością.

Uwaga : Pełną dokumentację online funkcji 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