Вы можете использовать следующие методы с fillna() для замены значений NaN в определенных столбцах кадра данных pandas:
Метод 1: используйте fillna() с одним конкретным столбцом
df['col1'] = df['col1']. fillna (0)
Способ 2: используйте fillna() с несколькими конкретными столбцами
df[['col1', 'col2']] = df[['col1', 'col2']]. fillna (0)
В этом руководстве объясняется, как использовать эту функцию со следующими пандами DataFrame:
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
Пример 1. Использование fillna() с одним конкретным столбцом
В следующем коде показано, как использовать fillna() для замены значений NaN нулями только в столбце «рейтинг»:
#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
Обратите внимание, что значения NaN были заменены только в столбце «рейтинг», а все остальные столбцы остались нетронутыми.
Пример 2. Использование fillna() с несколькими конкретными столбцами
В следующем коде показано, как использовать fillna() для замены значений NaN нулями как в столбцах «рейтинг», так и в столбцах «баллы»:
#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
Обратите внимание, что значения NaN были заменены в столбцах «рейтинг» и «баллы», но другие столбцы остались нетронутыми.
Примечание.Полную документацию по функции fillna() можно найти здесь .
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:
Как подсчитать пропущенные значения в Pandas
Как удалить строки со значениями NaN в Pandas
Как удалить строки, содержащие определенное значение в Pandas