Pandas: วิธีเติมค่า nan ด้วยโหมด

คุณสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อแทนที่ค่า NaN ในคอลัมน์ของ Pandas DataFrame ด้วยค่าโหมดของคอลัมน์:

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

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่าง: แทนที่ค่าที่หายไปด้วย Mode ใน Pandas

สมมติว่าเรามี DataFrame แพนด้าต่อไปนี้โดยมีค่าที่ขาดหายไปบางส่วน:

 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

เราสามารถใช้ฟังก์ชัน fillna() เพื่อเติมค่า NaN ในคอลัมน์ การให้คะแนน ด้วยค่าโหมดของคอลัมน์ การให้คะแนน :

 #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

ค่าโหมดในคอลัมน์ การให้คะแนน คือ 75 ดังนั้นค่า NaN แต่ละค่าในคอลัมน์ การให้คะแนน จึงถูกเติมด้วยค่านั้น

หมายเหตุ : คุณสามารถดูเอกสารออนไลน์ฉบับเต็มสำหรับฟังก์ชัน fillna() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีนับค่าที่หายไปในแพนด้า
วิธีลบแถวที่มีค่า NaN ใน Pandas
วิธีลบแถวที่มีค่าเฉพาะใน Pandas