Pandas: як заповнити значення nan режимом

Ви можете використовувати такий синтаксис, щоб замінити значення NaN у стовпці pandas DataFrame значенням режиму стовпця:

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

У наступному прикладі показано, як використовувати цей синтаксис на практиці.

Приклад: замініть відсутні значення на Mode в Pandas

Припустімо, що у нас є наступний pandas DataFrame з декількома відсутніми значеннями:

 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

Ми можемо використовувати функцію fillna() , щоб заповнити значення NaN у стовпці рейтингу значенням режиму стовпця рейтингу :

 #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

Значення режиму в стовпці рейтингу було 75 , тому кожне зі значень NaN у стовпці рейтингу було заповнено цим значенням.

Примітка : Ви можете знайти повну онлайн-документацію для функції fillna() тут .

Додаткові ресурси

У наступних посібниках пояснюється, як виконувати інші типові операції в pandas:

Як порахувати пропущені значення в пандах
Як видалити рядки зі значеннями NaN в Pandas
Як видалити рядки, що містять певне значення в Pandas