使用fillna()填充缺失值
df = pd.read_csv("ccf_offline_stage1_train.csv")
print(df["Distance"])
df["distance"] = df["Distance"].fillna(-1).astype(int)
print(df["distance"])
结果太长不展示了，经过操作后成功将dataframe中distance列的缺失值都变成了-1
关于fillna()函数详解
inplace参数的取值：True、False
-
True：直接修改原对象 -
False：创建一个副本，修改副本，原对象不变（缺省默认）
method参数的取值 ： {‘pad’, ‘ffill’,‘backfill’, ‘bfill’, None}, default None
-
pad/ffill：用前一个非缺失值去填充该缺失值 -
backfill/bfill：用下一个非缺失值填充该缺失值 -
None：指定一个值去替换缺失值（缺省默认这种方式）
limit参数：限制填充个数
axis参数：修改填充方向
#导包 import pandas as pd import numpy as np from numpy import nan as NaN
df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]]) df1
代码结果：
一、不指定任何参数
1. 用常数填充
#一、不指定method参数
#1.用常数填充
print (df1.fillna(100))
print ("-----------------------")
print (df1)
运行结果：
2. 用字典填充
#2.用字典填充
df1.fillna({0:10,1:20,2:30})
运行结果：
二、指定inplace参数
#二、指定inplace参数
print (df1.fillna(0,inplace=True))
print ("-------------------------")
print (df1)
运行结果：
三、指定method参数
1.method = 'ffill'/'pad'：用前一个非缺失值去填充该缺失值
#三、指定method参数 df2 = pd.DataFrame(np.random.randint(0,10,(5,5))) df2.iloc[1:4,3] = NaN df2.iloc[2:4,4] = NaN df2
运行结果：
#1.method = "ffill"/"pad"：用前一个非缺失值去填充该缺失值 df2.fillna(method="ffill")
运行结果：
2.method = 'bflii'/'backfill'：用下一个非缺失值填充该缺失值
#2.method = "bflii"/"backfill"：用下一个非缺失值填充该缺失值 df2.fillna(method="bfill")
运行结果：
四、指定limit参数
#四、指定limit参数 #用下一个非缺失值填充该缺失值 #只填充2个 df2.fillna(method="bfill", limit=2)
运行结果：
五、指定axis参数
#五、指定axis参数 df2.fillna(method="ffill", limit=1, axis=1)
运行结果：
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_39348113/article/details/82608143
