填充缺失值和空值的方式有很多种，比如人工填写、热卡填充等，Pandas中的fillna()方法可以实现填充空值或缺失值。
fillna(value=None, method=None, axis=None, inplace=False,
limit=None, downcast=None, **kwargs)
- value：用于填充的数值。
- method：表示填充方式，默认值为None。
- limit： 可以连续填充的最大数量，默认None。
method参数不能与value参数同时使用。
| name | score |
|---|---|
| agou | NaN |
| None | 78.0 |
| ahua | 89.0 |
有一张表格里存在缺失值，如果使用常量99.0来替换缺失值，那么填充前后的效果如下图所示。
| name | score |
|---|---|
| agou | 99.0 |
| 99.0 | 78.0 |
| ahua | 89.0 |
通过fillna()方法填充常量的示例如下：
# 使用99.0替换缺失值
df_obj.fillna('99.0')
显然name列不适合用99.0来填充，我们可以指定某列的填充值
# 指定列填充数据
df_obj.fillna({'name': 'someone', 'score': 99.0})
结果：
| name | score |
|---|---|
| agou | 99.0 |
| someone | 78.0 |
| ahua | 89.0 |
通过fillna()方法采用前向填充的方式替换空值或缺失值，示例如下：
# 使用前向填充的方式替换空值或缺失值
df.fillna(method='ffill')
到此这篇关于pandas中fillna()函数填充NaN和None的实现的文章就介绍到这了,更多相关pandas fillna()填充NaN和None内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
