本文主要介绍python notes中用fillna()填充缺失值的方法，有很好的参考价值。希望对大家有帮助。如有错误或不足之处，请不吝赐教。
目录
使用fillna()填充缺少的值。fillna()函数详解1。不要指定任何参数2。指定参数3。指定方法参数4。指定极限参数5。指定轴参数。
使用fillna()填充缺失值
df=PD . read _ CSV(' CCF _ offline _ stage 1 _ train . CSV ')
打印(df['距离'])
df['距离']=df['距离']。菲尔娜(-1)。astype(int)
打印(df['距离'])
结果太长，无法显示。操作后，dataframe中距离列的缺失值全部更改为-1。
关于fillna()函数详解
inplace参数的值：True、False
True:直接修改原始对象False:创建一个副本，修改副本并保持原始对象不变(默认默认)
参数方法的值：{ '填充'，'填充'，'回填'，'填充'，无}，默认无
Pad/ffill:用以前的非缺失值填充缺失值。回填/b填充：用下一个非缺失值填充缺失值。无：指定一个值来替换缺少的值(这是默认方式)
Limit参数：限制填充数。
轴参数：修改填充方向
#指南包
进口熊猫作为pd
将numpy作为np导入
从numpy导入nan作为NaN
df1=pd。数据帧([[1，2，3]，[南，南，2]，[南，南，南]，[8，8，南]])
df1
代码结果：
一、不指定任何参数
1. 用常数填充
# 1.未指定方法参数
#1.用常数填充
print (df1.fillna(100))
打印('-')
打印(df1)
运行结果：
2. 用字典填充
#2.用字典填满它
df1.fillna({0:10，1:20，2:30})
运行结果：
二、指定inplace参数
# 2.指定就地参数
print (df1.fillna(0，inplace=True))
打印('-')
打印(df1)
运行结果：
三、指定method参数
1.method='ffill'/'pad ':用前一个的非缺失值填充缺失值。
# 3.指定方法参数
df2=pd。DataFrame(np.random.randint(0，10，(5，5)))
df2.iloc[1:4，3]=NaN
df2.iloc[2:4，4]=NaN
df2
运行结果：
#1.method='ffill'/'pad ':用以前的非缺失值填充缺失值。
df2.fillna(method='ffill ')
运行结果：
2.method='bflii'/'回填':用下一个的非缺失值填充缺失值。
#2.method='bflii'/'回填':用下一个非缺失值填充缺失值。
df2.fillna(method='bfill ')
运行结果：
四、指定limit参数
# 4.指定限制参数
#用下一个非缺失值填充缺失值
#仅填充2
df2.fillna(method='bfill '，limit=2)
运行结果：
五、指定axis参数
# 5.指定轴参数
df2.fillna(方法='ffill '，限制=1，轴=1)
运行结果：
以上个人经历，希望能给大家一个参考，也希望大家多多支持我们。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。