Вы можете использовать функцию fillna() для замены значений NaN в кадре данных pandas.
Вот три распространенных способа использования этой функции:
Метод 1: заполнить значения NaN в одном столбце средним значением
df['col1'] = df['col1']. fillna(df['col1'].mean())
Метод 2: заполнить значения NaN в нескольких столбцах средним значением
df[['col1', 'col2']] = df[['col1', 'col2']]. fillna(df[['col1', 'col2']].mean())
Метод 3: заполнить значения NaN во всех столбцах средним значением
df = df.fillna(df.mean ())
В следующих примерах показано, как использовать каждый метод на практике 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. Заполнение значений NaN в одном столбце средним значением
Следующий код показывает, как заполнить значения NaN в столбце рейтинга средним значением столбца рейтинга :
#fill NaNs with column mean in 'rating' column
df['rating'] = df['rating']. fillna(df['rating'].mean())
#view updated DataFrame
df
rating points assists rebounds
0 85.125 25.0 5.0 11
1 85.000 NaN 7.0 8
2 85.125 14.0 7.0 10
3 88.000 16.0 NaN 6
4 94.000 27.0 5.0 6
5 90.000 20.0 7.0 9
6 76.000 12.0 6.0 6
7 75.000 15.0 9.0 10
8 87.000 14.0 9.0 10
9 86.000 19.0 5.0 7
Среднее значение в столбце рейтинга было 85,125 , поэтому каждое из значений NaN в столбце рейтинга было заполнено этим значением.
Пример 2. Заполнение значений NaN в нескольких столбцах средним значением
В следующем коде показано, как заполнить значения NaN в столбцах рейтинга и очков соответствующими значениями столбцов:
#fill NaNs with column means in 'rating' and 'points' columns
df[['rating', 'points']] = df[['rating', 'points']]. fillna(df[['rating', 'points']].mean())
#view updated DataFrame
df
rating points assists rebounds
0 85.125 25.0 5.0 11
1 85.000 18.0 7.0 8
2 85.125 14.0 7.0 10
3 88.000 16.0 NaN 6
4 94.000 27.0 5.0 6
5 90.000 20.0 7.0 9
6 76.000 12.0 6.0 6
7 75.000 15.0 9.0 10
8 87.000 14.0 9.0 10
9 86.000 19.0 5.0 7
Значения NaN как в столбцах рейтингов , так и в столбцах очков были заполнены соответствующими средними значениями столбцов.
Пример 3. Заполнение значений NaN во всех столбцах средним значением
В следующем коде показано, как заполнить значения NaN в каждом столбце значениями столбца:
#fill NaNs with column means in each column
df = df.fillna(df.mean ())
#view updated DataFrame
df
rating points assists rebounds
0 85.125 25.0 5.000000 11
1 85.000 18.0 7.000000 8
2 85.125 14.0 7.000000 10
3 88.000 16.0 6.666667 6
4 94.000 27.0 5.000000 6
5 90.000 20.0 7.000000 9
6 76.000 12.0 6.000000 6
7 75.000 15.0 9.000000 10
8 87.000 14.0 9.000000 10
9 86.000 19.0 5.000000 7
Обратите внимание, что значения NaN в каждом столбце были заполнены средним значением столбца.
Полную онлайн-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