跳转至

Python | Pandas index.fill na()

原文:https://www.geeksforgeeks.org/python-pandas-index-fillna/

Python 是进行数据分析的优秀语言,主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包,让导入和分析数据变得容易多了。

熊猫 **Index.fillna()**功能用指定值填充 NA/NaN 值。它只需要一个标量值来填充索引中所有缺失的值。该函数返回一个新对象,该对象的缺失值由传递的值填充。

语法: Index.fillna(值=无,向下转换=无)

参数: 值:用于填充孔洞的标量值(例如 0)。该值不能是喜欢的列表。 向下转换:项的字典- >如果可能的话要向下转换的数据类型,或者尝试向下转换为适当的相等类型的字符串“推断”(例如,如果可能的话从 float64 到 int64)

返回:已填充:%(klass)s

示例#1: 使用Index.fillna()函数填充索引中所有缺失的值。

# importing pandas as pd
import pandas as pd

# Creating the Index
idx = pd.Index([1, 2, 3, 4, 5, None, 7, 8, 9, None])

# Print the Index
idx

输出:

让我们用-1 填充索引中所有缺失的值。

# fill na values with -1
idx.fillna(-1)

输出: 正如我们在输出中看到的,Index.fillna()函数已经用-1 填充了所有缺失的值。该函数只接受标量值。

示例 2: 使用Index.fillna()函数填充索引中所有缺失的字符串。

# importing pandas as pd
import pandas as pd

# Creating the Index
idx = pd.Index(['Labrador', 'Beagle', None, 'Labrador', 
             'Lhasa', 'Husky', 'Beagle', None, 'Koala'])

# Print the Index
idx

输出: 正如我们在输出中看到的,我们有一些缺失的值。出于数据分析的目的,我们希望用一些符合我们目的的其他指示性值来填充这些缺失值。

# Fill the missing values by 'Value_Missing'
idx.fillna('Value_Missing')

输出:

正如我们在输出中看到的,索引中所有丢失的字符串都用传递的值填充了。



回到顶部