pandas缺失值的填补方法——fillna-CDA数据分析师官网

pandas缺失值的填补方法——fillna

2020-07-06

在处理数据的过程中，经常会遇到原数据部分内容的缺失，为了保证我们最终数据统计结果的正确性，通常我们有两种处理方式，第一种就是删除掉这些部分缺失的数据;第二种就是填补这些缺失的数据。接下来，我们主要介绍pandas 缺失值的填补方法——fillna。

fillna：用指定值或插值的方法填充缺失数据

分为值填充、前后向填充(与ffill方法和bfill方法等价)

df = pd.read_csv('data/table_missing.csv')

# 值填充

df['Physics'].fillna('missing').head()

# 前向填充：后一个值往前填

df['Physics'].fillna(method='ffill').head()

# 后向填充：下一个值往后填

df['Physics'].fillna(method='backfill').head()

值填充中需要注意对齐特性。具体见下面例子：

df_f = pd.DataFrame({'A':[1.3.np.nan],'B':[2.4.np.nan],'C':[3.5.np.nan]})

df_f.fillna(df_f.mean())

在这里插入图片描述

df_f = pd.DataFrame({'A':[1.3.np.nan],'B':[2.4.np.nan],'C':[3.5.np.nan]})

df_f.fillna(df_f.mean())

在这里插入图片描述

以上就是小编今天分享的pandas 缺失值的填补方法——fillna，希望对大家缺失值的处理有所帮助。

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

pandas DataFrame 缺失值的填补方法

数据分析咨询请扫描二维码

上一篇关于numpy概念的简单理解

下一篇常用的python缺失值处理方法有哪几种？

pandas缺失值的填补方法——fillna

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师的工作内容是什么

数据分析师必须掌握的技能有哪些

数据分析入门难吗

数据分析能干啥

数据分析行业的前景

数据分析的常用方法

什么是企业数字化转型

女生做数据分析师最好去哪个行业

大数据技术专业学什么

数据分析师教程《Python数据分析极简入门》第2节 3 ...

什么行业越老越吃香

利用python进行数据分析

大数据与会计专业主要学什么

成为数据分析师需要哪些技能

python可以做数据分析吗

数据分析师的日常工作有哪些？

数据分析五种方法

数字化转型是什么意思

未来发展前景好的十大行业

统计学就业方向及前景