fillna函數用法詳解

fillna函數是pandas庫提供的一個非常有用的函數，它的主要功能是填充缺失值。在實際數據處理中，我們經常會遇到一些數據缺失的情況，這就需要我們使用fillna函數來進行處理。

一、填充指定值

fillna函數最簡單的用法就是將缺失值填充為指定值，通過將一個標量傳遞給fillna函數，可以將所有的缺失值替換為這個標量。下面是一個簡單的示例：

import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, 2, None, 3], index=list('abcde'))

print(data.fillna(0))

以上代碼運行結果為：

a    1.0
b    0.0
c    2.0
d    0.0
e    3.0
dtype: float64

在上面的代碼中，我們創建了一個包含一些缺失值的Series對象，並將缺失值全部替換為0。

二、前向填充和後向填充

除了將缺失值替換為指定值，fillna函數還可以進行前向填充和後向填充。前向填充使用缺失值前面的值進行填充，而後向填充使用後面的值進行填充。

以下是一個前向填充的示例：

import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, 2, None, 3], index=list('abcde'))

print(data.fillna(method='ffill'))

以上代碼運行結果為：

a    1.0
b    1.0
c    2.0
d    2.0
e    3.0
dtype: float64

在上面的代碼中，我們使用了fillna函數的一個參數method。通過將method的值設置為’ffill’，我們將缺失值前面的值填充到了缺失值上。

下面是一個後向填充的示例：

import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, 2, None, 3], index=list('abcde'))

print(data.fillna(method='bfill'))

以上代碼運行結果為：

a    1.0
b    2.0
c    2.0
d    3.0
e    3.0
dtype: float64

在上面的代碼中，我們使用了fillna函數的一個參數method。通過將method的值設置為’bfill’，我們將缺失值後面的值填充到了缺失值上。

三、使用插值法填充

除了前向填充和後向填充，fillna函數還可以使用插值法填充缺失值。插值法是一種使用函數擬合缺失值的方法。當缺失值數量較少時，使用插值法可以得到較為準確的替代值。

以下是一個使用插值法填充的示例：

import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, 2, None, 3], index=list('abcde'))

print(data.interpolate())

以上代碼運行結果為：

a    1.000000
b    1.333333
c    2.000000
d    2.500000
e    3.000000
dtype: float64

在上面的代碼中，我們使用了fillna函數的一個參數method。通過將method的值設置為’interpolate’，我們使用了插值法填充了缺失值。在上面的示例中，我們使用的是線性插值。

四、限制填充數量

在實際的數據處理中，我們有時需要限制填充的數量。fillna函數的limit參數可以幫助我們完成這項任務。

以下是一個限制填充數量的示例：

import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, np.nan, 2, None], index=list('abcde'))

print(data.fillna(method='ffill', limit=1))

以上代碼運行結果為：

a    1.0
b    1.0
c    NaN
d    2.0
e    2.0
dtype: float64

在上面的代碼中，我們使用了fillna函數的一個參數limit。通過將limit的值設置為1，我們限制了填充數量，只將第一個缺失值填充了。

五、總結

fillna函數是pandas庫中非常有用的一個函數，它可以幫助我們處理數據中的缺失值。通過掌握fillna函數的各種用法，我們可以快速處理原始數據中的缺失值，得到更加完整的數據集，從而更好地進行分析和建模。