本文主要是介绍每日一题9：Pandas-填充缺失值，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！
一、每日一题
DataFrame products
-------------+--------+ | Column Name | Type | +-------------+--------+ | name | object | | quantity | int | | price | int | +-------------+--------+
编写一个解决方案，在 quantity 列中将缺失的值
编写一个解决方案，在
quantity列中将缺失的值填充为0。返回结果如下示例所示。
解答：
import pandas as pddef fillMissingValues(products: pd.DataFrame) -> pd.DataFrame:products['quantity'] = products['quantity'].fillna(0)return products题源：力扣
二、总结
fillna() 是 Pandas 库中一个非常实用的方法，用于处理缺失数据（通常表示为 NaN 值）。这个方法可以以多种方式填充DataFrame或Series中的缺失值。以下是 fillna() 方法的一些基本用法和参数总结：
基本用法
1.填充固定值
df.fillna(value, inplace=False)value: 用于替换缺失值的具体值。可以是标量（如0、'missing'等）、列表、字典或Series。inplace: 默认为False，意味着操作不会改变原数据，而是返回一个新的对象。如果设置为True，则直接在原始数据上进行修改。
2.前向填充或后向填充
df.fillna(method='ffill' or 'bfill', limit=None, inplace=False)method: 可以是'ffill'（前向填充，使用前面的非空值填充缺失值）或'bfill'（后向填充，使用后面的非空值填充缺失值）。limit: 指定连续缺失值填充的最大数量。
参数说明
-
axis: 默认为
0，即按列进行填充。如果设置为1，则沿着行进行操作。 -
limit: 当使用
ffill或bfill方法时，限制连续NaN值被填充的最大数量。 -
downcast: （可选）尝试向下转换数据类型以节省内存，例如从
float64转换为float32。
实例
1.常值填充
df['column_name'].fillna(0, inplace=True)2.使用列的均值填充:
df['column_name'].fillna(df['column_name'].mean(), inplace=True)3.前向填充:
df.fillna(method='ffill', inplace=True)参考官方文档
这篇关于每日一题9：Pandas-填充缺失值的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
