Вы можете использовать следующий синтаксис для замены значений NaN в столбце кадра данных pandas значением режима столбца:
df['col1'] = df['col1']. fillna(df['col1']. mode ()[0])
В следующем примере показано, как использовать этот синтаксис на практике.
Пример: заменить отсутствующие значения режимом в Pandas
Предположим, у нас есть следующие Pandas DataFrame с некоторыми пропущенными значениями:
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
Мы можем использовать функцию fillna() , чтобы заполнить значения NaN в столбце рейтинга значением режима столбца рейтинга :
#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
Значение режима в столбце рейтинга было равно 75 , поэтому каждое из значений NaN в столбце рейтинга было заполнено этим значением.
Примечание.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