本篇文章为大家展示了如何在Pandas中使用Fillna填充缺失数据，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

创新互联建站是一家专业提供筠连企业网站建设,专注与成都网站制作、成都网站设计、HTML5建站、小程序制作等业务。10年已为筠连众多企业、政府机构等服务。创新互联专业网站建设公司优惠进行中。

约定：

import pandas as pd
import numpy as np
from numpy import nan as NaN

填充缺失数据

fillna()是最主要的处理方式了。

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1

代码结果：

	0	1	2
0	1.0	2.0	3.0
1	NaN	NaN	2.0
2	NaN	NaN	NaN
3	8.0	8.0	NaN

用常数填充：

df1.fillna(100)

代码结果：

	0	1	2
0	1.0	2.0	3.0
1	100.0	100.0	2.0
2	100.0	100.0	100.0
3	8.0	8.0	100.0

通过字典填充不同的常数：

df1.fillna({0:10,1:20,2:30})

代码结果：

	0	1	2
0	1.0	2.0	3.0
1	10.0	20.0	2.0
2	10.0	20.0	30.0
3	8.0	8.0	30.0

传入inplace=True直接修改原对象：

df1.fillna(0,inplace=True)
df1

代码结果：

	0	1	2
0	1.0	2.0	3.0
1	0.0	0.0	2.0
2	0.0	0.0	0.0
3	8.0	8.0	0.0

传入method=” “改变插值方式：

df2=pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3]=NaN;df2.iloc[2:4,4]=NaN
df2

代码结果：

	0	1	2	3	4
0	6	6	2	4.0	1.0
1	4	7	0	NaN	5.0
2	6	5	5	NaN	NaN
3	1	9	9	NaN	NaN
4	4	8	1	5.0	9.0

df2.fillna(method='ffill')#用前面的值来填充

代码结果：

	0	1	2	3	4
0	6	6	2	4.0	1.0
1	4	7	0	4.0	5.0
2	6	5	5	4.0	5.0
3	1	9	9	4.0	5.0
4	4	8	1	5.0	9.0

传入limit=” “限制填充个数：

df2.fillna(method='bfill',limit=2)

代码结果：

	0	1	2	3	4
0	6	6	2	4.0	1.0
1	4	7	0	NaN	5.0
2	6	5	5	5.0	9.0
3	1	9	9	5.0	9.0
4	4	8	1	5.0	9.0

传入axis=” “修改填充方向：

df2.fillna(method="ffill",limit=1,axis=1)

代码结果：

	0	1	2	3	4
0	6.0	6.0	2.0	4.0	1.0
1	4.0	7.0	0.0	0.0	5.0
2	6.0	5.0	5.0	5.0	NaN
3	1.0	9.0	9.0	9.0	NaN
4	4.0	8.0	1.0	5.0	9.0

上述内容就是如何在Pandas中使用Fillna填充缺失数据，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联成都网站设计公司行业资讯频道。

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章题目：如何在Pandas中使用Fillna填充缺失数据-创新互联
网站路径：http://azwzsj.com/article/doehdg.html