Pandas: como usar fillna() com colunas específicas

Você pode usar os seguintes métodos com fillna() para substituir valores NaN em colunas específicas de um DataFrame do pandas:

Método 1: Use fillna() com uma coluna específica

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

Método 2: Use fillna() com múltiplas colunas específicas

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

Este tutorial explica como usar esta função com o seguinte DataFrame do pandas:

 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

Exemplo 1: Use fillna() com uma coluna específica

O código a seguir mostra como usar fillna() para substituir valores NaN por zeros apenas na coluna “nota”:

 #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

Observe que os valores NaN foram substituídos apenas na coluna “nota” e todas as outras colunas foram deixadas intactas.

Exemplo 2: Use fillna () com múltiplas colunas específicas

O código a seguir mostra como usar fillna() para substituir valores NaN por zeros nas colunas “nota” e “pontos”:

 #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

Observe que os valores NaN foram substituídos nas colunas “nota” e “pontos”, mas as demais colunas permanecem intactas.

Nota : Você pode encontrar a documentação completa da função pandas fillna() aqui .

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em pandas:

Como contar valores faltantes em pandas
Como deletar linhas com valores NaN no Pandas
Como deletar linhas contendo um valor específico no Pandas