pandas.core.groupby.DataFrameGroupBy.fillna

DataFrameGroupBy.fillna

Заполнение значений NaN/NA указанным методом

Параметры:

value : скаляр, словарь, Series или DataFrame Значение для заполнения пропусков (например, 0), или словарь/Series/DataFrame со значениями, определяющими, какое значение использовать для каждого индекса (для Series) или столбца (для DataFrame). (значения, не указанные в словаре/Series/DataFrame, не будут заполнены). Это значение не может быть списком. method : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, по умолчанию None Метод для заполнения пропусков в переиндексированном Series pad / ffill: распространяет последнее действительное значение вперёд до следующего действительного значения backfill / bfill: использует следующее действительное значение для заполнения пропуска axis : {0 or ‘index’, 1 or ‘columns’} inplace : булево, по умолчанию False Если True, заполнение происходит на месте. Примечание: это изменит любые другие представления этого объекта (например, некопируемый срез для столбца в DataFrame). limit : целое число, по умолчанию None Если метод указан, это максимальное количество последовательных значений NaN, которые следует заполнять вперёд/назад. Другими словами, если есть пробел с большим количеством последовательных значений NaN, чем это число, он будет заполнен только частично. Если метод не указан, это максимальное количество записей по всей оси, где будут заполнены NaN. Должно быть больше 0, если не None. downcast : словарь, по умолчанию None словарь item->dtype для приведения типа, если это возможно, или строка 'infer', которая попытается привести тип к подходящему равному типу (например, float64 к int64, если возможно)

Возвращает:

filled : DataFrame

См. также

interpolate

Заполнение значений NaN с помощью интерполяции.

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 значения, отличные от нуля, вперёд 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