fillna方法
摘要：
一、介绍fillna方法
1.方法作用
2.方法来源
二、fillna方法的参数
1.numpy.fillna()
2.pandas.DataFrame.fillna()
三、fillna方法的两种填充方式
1.填充指定值
2.填充默认值
四、fillna方法的应用场景
1.处理缺失值
2.数据清洗
五、fillna方法的局限性
1.填充后的数据类型
2.填充对数据结构的影响
正文：
在Python的数值计算库numpy和数据处理库pandas中，fillna方法是一个常用的处理缺失值的工具。本文将详细介绍fillna方法的使用方法和应用场景。
一、介绍fillna方法
fillna方法，全称fill NaNs，主要用于填充数据中的缺失值。在numpy中，fillna方法是一个静
态方法，而在pandas的DataFrame对象中，也提供了fillna方法来处理缺失值。
二、fillna方法的参数
1.numpy.fillna()
在numpy中，fillna方法的基本语法如下：
```python
umpy.fillna(value, where=None, numpy.nan)
```
- value：填充的值，可以是 float、int、str等类型，也可以是序列类型，如列表或数组。
- where：可选参数，用于指定哪些位置需要填充。如果where为None，则填充所有缺失值；如果where为布尔数组，则只有where为True的位置会被填充。
- numpy.nan：可选参数，用于指定填充后的缺失值类型。如果未指定，则填充后的值与原
始缺失值类型相同。
2.pandas.DataFrame.fillna()
在pandas的DataFrame对象中，fillna方法的基本语法如下：
```python
pandas.DataFrame.fillna(value=None, method="ffill", limit=None, inplace=False, axis=0, skipna=True, fill_value=None)
```
- value：可选参数，用于填充缺失值。如果为None，则使用默认值。
- method：可选参数，用于指定填充方式。可选值有 "ffill"（向前填充）、"bfill"（向后填充）、"pad"（两侧填充）、"clip"（裁剪填充） 和 "ignore"（忽略缺失值）。
- limit：可选参数，用于限制填充的次数。如果limit为0，则填充操作将被禁用。
-
inplace：可选参数，用于指定是否在原地修改DataFrame。如果为True，则修改后的DataFrame将返回None；如果为False，则返回一个新的DataFrame。
- axis：可选参数，用于指定填充的轴。默认值为0，表示填充行；如果为1，则填充列。numpy 安装 教程
- skipna：可选参数，用于指定是否跳过包含缺失值的行。默认值为True，表示跳过；如果为False，则不跳过。
- fill_value：可选参数，用于指定填充后的缺失值。如果未指定，则使用原始缺失值类型的默认值。
三、fillna方法的两种填充方式
1.填充指定值
使用fillna方法填充指定值时，可以简化参数为：
```python
umpy.fillna(value)
```
或
```python
pandas.DataFrame.fillna(value)
```
2.填充默认值
在使用fillna方法时，如果不指定value参数，则使用默认值进行填充。不同数据类型的默认值如下：
- float、int、str：使用 numpy.nan 填充
- 布尔型：使用 False 填充
- 缺失的datetime对象：使用当天最早的日期填充
- 缺失的Timedelta对象：使用当天最短的Timedelta填充
- 缺失的Series：使用 Series.fillna() 方法填充
四、fillna方法的应用场景
1.处理缺失值
在使用填充方法处理缺失值时，可以根据实际情况选择合适的fillna方法参数。例如，在处理包含日期和时间的DataFrame时，可以设置fillna方法为：
```python
df.fillna(method="ffill")
```
2.数据清洗
在数据处理过程中，可以使用fillna方法清洗数据中的缺失值。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。