Как вменить пропущенные значения в пандах (включая пример)

Вы можете использовать следующий базовый синтаксис для вменения пропущенных значений в DataFrame pandas:

 df[' column_name '] = df[' column_name ']. interpolate ()

В следующем примере показано, как использовать этот синтаксис на практике.

Пример: интерполяция отсутствующих значений в Pandas

Допустим, у нас есть следующий DataFrame pandas, который показывает общий объем продаж магазина за 15 дней подряд:

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({' day ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15],
                   ' sales ': [3, 6, 8, 10, 14, 17, 20, np.nan, np.nan, np.nan,
                             np.nan, 35, 39, 44, 49]})

#view DataFrame
print (df)

    day sales
0 1 3.0
1 2 6.0
2 3 8.0
3 4 10.0
4 5 14.0
5 6 17.0
6 7 20.0
7 8 NaN
8 9 NaN
9 10 NaN
10 11 NaN
11 12 35.0
12 13 39.0
13 14 44.0
14 15 49.0

Обратите внимание, что в таблице данных отсутствуют данные о продажах за четыре дня.

Если бы мы создали простую линейную диаграмму для визуализации продаж с течением времени, она бы выглядела вот так:

 #create line chart to visualize sales
df[' sales ']. plot ()

Чтобы заполнить пропущенные значения, мы можем использовать функцию interpolate() следующим образом:

 #interpolate missing values in 'sales' column
df[' sales '] = df[' sales ']. interpolate ()

#view DataFrame
print (df)

    day sales
0 1 3.0
1 2 6.0
2 3 8.0
3 4 10.0
4 5 14.0
5 6 17.0
6 7 20.0
7 8 23.0
8 9 26.0
9 10 29.0
10 11 32.0
11 12 35.0
12 13 39.0
13 14 44.0
14 15 49.0

Обратите внимание, что каждое из пропущенных значений заменено.

Если мы создадим еще одну линейную диаграмму для визуализации обновленного фрейма данных, она будет выглядеть вот так:

 #create line chart to visualize sales
df[' sales ']. plot ()

Обратите внимание, что значения, выбранные функцией interpolate(), похоже, довольно хорошо соответствуют тенденции данных.

Примечание . Полную документацию по функции interpolate() можно найти здесь .

Дополнительные ресурсы

Следующие руководства предоставляют дополнительную информацию о том, как обрабатывать пропущенные значения в pandas:

Как посчитать пропущенные значения в пандах
Как заменить значения NaN строкой в Pandas
Как заменить значения NaN нулем в Pandas