pandas 用均值填充缺失值NaN —

pandas 用均值填充缺失值NaN —— fillna 方法解析

本文主要是介绍pandas 用均值填充缺失值NaN —— fillna 方法解析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

🥇 版权: 本文由【墨理学AI】原创、在CSDN首发、各位大佬、感谢查阅、感谢三连、感谢关注

基础参考资料

sklearn缺失值插补
sklearn官方文档
官方fillna 方法文档

pandas中fillna()方法，能够使用指定的方法填充NA/NaN值。

函数详解

函数形式：fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

参数：

value：用于填充的空值的值。

method： {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None。定义了填充空值的方法， pad / ffill表示用前面行/列的值，填充当前行/列的空值， backfill / bfill表示用后面行/列的值，填充当前行/列的空值。

axis：轴。0或’index’，表示按行删除；1或’columns’，表示按列删除。

inplace：是否原地替换。布尔值，默认为False。如果为True，则在原DataFrame上进行操作，返回值为None。

limit：int， default None。如果method被指定，对于连续的空值，这段连续区域，最多填充前 limit 个空值（如果存在多段连续区域，每段最多填充前 limit 个空值）。如果method未被指定，在该axis下，最多填充前 limit 个空值（不论空值连续区间是否间断）

downcast：dict, default is None，字典中的项为，为类型向下转换规则。或者为字符串“infer”，此时会在合适的等价类型之间进行向下转换，比如float64 to int64 if possible。

返回值：
DataFrame or None
Object with missing values filled or None if inplace=True.

用均值进行填充:

for column in list(df.columns[df.isnull().sum() > 0]):mean_val = df[column].mean()df[column].fillna(mean_val, inplace=True)

用后一行的值进行填充NaN

print(df.fillna(method='backfill', axis=0, inplace=False))

我的测试代码如下：

import numpy as np
import pandas as pda = np.arange(100, dtype=float).reshape((10, 10))a[0, 1] = np.nan
a[0, 3] = np.nan
a[0, 4] = np.nan
a[0, 6] = np.nana[3, 1] = np.nan
a[3, 3] = np.nan
a[3, 4] = np.nan
a[3, 6] = np.nandf = pd.DataFrame(data=a)
# 重命名列名
df.columns = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']print(df)
# 筛选需要填充的列
print(df.columns[df.isnull().sum() > 0])# 用列均值进行填充NaN
for column in list(df.columns[df.isnull().sum() > 0]):mean_val = df[column].mean()df[column].fillna(mean_val, inplace=True)# 用后一行的值进行填充NaN
# print(df.fillna(method='backfill', axis=0, inplace=True))# 筛选需要填充的列  发现没有这样的列了
print(df.columns[df.isnull().sum() > 0])print(df)