pandas.DataFrame.fillna

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs) [source]

Заполнение значений NaN/NA указанным методом

Параметры:

значение : скаляр, словарь, Series или DataFrame Значение для заполнения пропусков (например, 0), альтернативно словарь/Series/DataFrame со значениями, указывающими, какое значение использовать для каждого индекса (для Series) или столбца (для DataFrame). (значения, отсутствующие в словаре/Series/DataFrame, не будут заполнены). Это значение не может быть списком. метод : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, по умолчанию None Метод для заполнения пропусков в переиндексированных Series pad / ffill: распространить последнее действительное наблюдение вперед до следующего действительного backfill / bfill: использовать следующее действительное наблюдение для заполнения пробела ось : {0 или ‘index’, 1 или ‘columns’} inplace : булево, по умолчанию False Если True, заполнить на месте. Примечание: это изменит все другие представления этого объекта (например, срез без копирования для столбца в DataFrame). предел : целое число, по умолчанию None Если метод указан, это максимальное количество последовательных значений NaN, которые следует заполнить вперед/назад. Другими словами, если есть пробел с более чем этим количеством последовательных значений NaN, он будет заполнен только частично. Если метод не указан, это максимальное количество записей по всей оси, где будут заполнены NaN. Должен быть больше 0, если не None. downcast : словарь, по умолчанию None словарь item->dtype для приведения к меньшему типу, если это возможно, или строка ‘infer’, которая будет пытаться привести к соответствующему типу (например, float64 к int64, если это возможно)

Возвращает:

заполненное : DataFrame

См. также

reindex, asfreq

Примеры

>>> df = pd.DataFrame([[np.nan, 2, np.nan, 0],
...                    [3, 4, np.nan, 1],
...                    [np.nan, np.nan, np.nan, 5],
...                    [np.nan, 3, np.nan, 4]],
...                    columns=list('ABCD'))
>>> df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4

Замена всех элементов NaN на 0.

>>> df.fillna(0)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

Мы также можем распространять непустые значения вперед или назад.

>>> df.fillna(method='ffill')
    A   B   C   D
0   NaN 2.0 NaN 0
1   3.0 4.0 NaN 1
2   3.0 4.0 NaN 5
3   3.0 3.0 NaN 4

Замена всех элементов NaN в столбцах ‘A’, ‘B’, ‘C’ и ‘D’ соответственно на 0, 1, 2 и 3.

>>> values = {'A': 0, 'B': 1, 'C': 2, 'D': 3}
>>> df.fillna(value=values)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 2.0 1
2   0.0 1.0 2.0 5
3   0.0 3.0 2.0 4

Замена только первого элемента NaN.

>>> df.fillna(value=values, limit=1)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 NaN 1
2   NaN 1.0 NaN 5
3   NaN 3.0 NaN 4