如何用fillna函数处理特定类型的缺失值

fillna() 函数通常用于填充缺失值，例如 NaN（Not a Number）或 None

首先，导入所需库并创建一个包含缺失值的 DataFrame：

import pandas as pd import numpy as np  data = {'A': [1, 2, np.nan],         'B': [4, np.nan, 6],         'C': [7, 8, 9]}  df = pd.DataFrame(data) print("原始 DataFrame:") print(df) 

这将输出以下 DataFrame：

原始 DataFrame:      A    B  C 0  1.0  4.0  7 1  2.0  NaN  8 2  NaN  6.0  9 

现在，我们将使用 fillna() 函数处理特定类型的缺失值。在这个例子中，我们将用 0 替换所有类型为 float 的缺失值（NaN）：

# 使用 fillna() 函数处理特定类型的缺失值 filled_df = df.fillna(0, inplace=False) print("填充后的 DataFrame:") print(filled_df) 

这将输出以下 DataFrame：

填充后的 DataFrame:      A    B  C 0  1.0  4.0  7 1  2.0  0.0  8 2  0.0  6.0  9 

注意，inplace=False 表示我们不会直接修改原始 DataFrame，而是返回一个新的 DataFrame。如果你希望直接修改原始 DataFrame，可以将 inplace 参数设置为 True。

如果你想要基于特定条件填充缺失值，可以使用 fillna() 函数的 method 参数。例如，你可以使用前一个有效值（ffill）或后一个有效值（bfill）来填充缺失值：

# 使用前一个有效值填充缺失值 filled_df_ffill = df.fillna(method='ffill', inplace=False) print("使用前一个有效值填充后的 DataFrame:") print(filled_df_ffill)  # 使用后一个有效值填充缺失值 filled_df_bfill = df.fillna(method='bfill', inplace=False) print("使用后一个有效值填充后的 DataFrame:") print(filled_df_bfill) 

这将分别输出以下 DataFrames：

使用前一个有效值填充后的 DataFrame:      A    B  C 0  1.0  4.0  7 1  2.0  4.0  8 2  2.0  6.0  9  使用后一个有效值填充后的 DataFrame:      A    B  C 0  1.0  4.0  7 1  2.0  6.0  8 2  1.0  6.0  9