Pandas: วิธีใช้ fillna() กับคอลัมน์เฉพาะ

คุณสามารถใช้วิธีการต่อไปนี้กับ fillna() เพื่อแทนที่ค่า NaN ในคอลัมน์เฉพาะของ Pandas DataFrame:

วิธีที่ 1: ใช้ fillna() กับคอลัมน์เฉพาะ

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

วิธีที่ 2: ใช้ fillna() กับคอลัมน์เฉพาะหลายคอลัมน์

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

บทช่วยสอนนี้จะอธิบายวิธีใช้ฟังก์ชันนี้กับ DataFrame ของแพนด้าต่อไปนี้:

 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

ตัวอย่างที่ 1: ใช้ fillna() กับคอลัมน์เฉพาะ

รหัสต่อไปนี้แสดงวิธีใช้ fillna() เพื่อแทนที่ค่า NaN ด้วยศูนย์เฉพาะในคอลัมน์ “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

โปรดทราบว่าค่า NaN จะถูกแทนที่ในคอลัมน์ “note” เท่านั้น และคอลัมน์อื่นๆ ทั้งหมดยังคงเหมือนเดิม

ตัวอย่างที่ 2: ใช้ fillna () กับคอลัมน์เฉพาะหลายคอลัมน์

รหัสต่อไปนี้แสดงวิธีใช้ fillna() เพื่อแทนที่ค่า NaN ด้วยศูนย์ในคอลัมน์ “grade” และ “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

โปรดทราบว่าค่า NaN ถูกแทนที่ด้วยคอลัมน์ “เกรด” และ “คะแนน” แล้ว แต่คอลัมน์อื่นๆ ยังคงไม่เสียหาย

หมายเหตุ : คุณสามารถดูเอกสารฉบับเต็มของฟังก์ชัน pandas fillna() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีนับค่าที่หายไปในแพนด้า
วิธีลบแถวที่มีค่า NaN ใน Pandas
วิธีลบแถวที่มีค่าเฉพาะใน Pandas