pandas.core.groupby.DataFrameGroupBy.fillna

DataFrameGroupBy.fillna

Заполнение значений NaN/NA указанным методом.

Параметры:

value : scalar, dict, Series, or DataFrame Значение для заполнения пропусков (например, 0), или словарь/Series/DataFrame значений, определяющих, 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. method : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None Метод заполнения пропусков в переиндексированном Series pad / ffill: распространение последнего действительного значения вперед на следующее действительное backfill / bfill: использование следующего действительного значения для заполнения пробела axis : {0 or ‘index’, 1 or ‘columns’} inplace : boolean, default False Если True, заполнение происходит на месте. Примечание: это изменит любые другие представления этого объекта (например, срез без копирования для столбца в DataFrame). limit : int, default None Если метод указан, это максимальное количество последовательных значений NaN для заполнения вперед/назад. Другими словами, если есть разрыв с более чем этим числом последовательных NaN, он будет заполнен только частично. Если метод не указан, это максимальное количество элементов по всей оси, где будут заполнены NaN. Должно быть больше 0, если не None. downcast : dict, default is None Словарь item->dtype для приведения типов, если это возможно, или строка ‘infer’, которая попытается привести к соответствующему 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 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’ на 0, 1, 2 и 3 соответственно.

>>> 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