Python: Pandas DataFrame.fillna fill method : {'backfill', 'bfill', 'pad', 'ffill', None}
1. 简介
专门用来处理 NA 或 NaN 值。
2. 语法参数
语法：DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)
参数：
- value: 可以是常数、字典、数组、数据框。该选项决定了将NA或者NaN填充的内容。
- method: 可以是{‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}，默认是None。
-
- pad/ffill：用前一个非缺失值去填充该缺失值；
- backfill/bfill：用下一个非缺失值填充该缺失值；
- None：指定一个值(value)去填充缺失值。
- axis: 可以是{0 or ‘index’, 1 or ‘columns’}，决定填充的方向轴，按行填充还是按列填充。
- inplace: True or False，决定是原地替换还是建立备份。
- limit: 限制填充个数。
- downcast:
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.fillna.html#pandas-dataframe-fillna
3. 示例
>>> import pandas as pd
>>> import numpy as np
>>> 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
>>> df_1 = pd.DataFrame(np.random.randint(0,10,(5,5)))
>>> df_1.iloc[1:4,3] = np.NaN
>>> df_1.iloc[2:4,4] = np.NaN
>>> df_1
0 1 2 3 4
0 8 6 7 6.0 9.0
1 5 2 4 NaN 8.0
2 2 0 2 NaN NaN
3 3 9 0 NaN NaN
4 2 6 1 0.0 1.0例1：用0填充df中的全部NaN
>>> 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例2：使用字典根据列名对df中的NaN进行填充
>>> df.fillna({"A": 0, "B": 1, "C": 2, "D": 3})
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例3：使用数据框进行填充
>>> df_2 = pd.DataFrame(np.zeros((4, 4)), columns=list("ABCE"))
>>> df_2
A B C E
0 0.0 0.0 0.0 0.0
1 0.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0
3 0.0 0.0 0.0 0.0
>>> df.fillna(df_2)
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例4：method = 'ffill'/'pad'：用前一个非缺失值去填充该缺失值
>>> df_1.fillna(method='ffill')
0 1 2 3 4
0 8 6 7 6.0 9.0
1 5 2 4 6.0 8.0
2 2 0 2 6.0 8.0
3 3 9 0 6.0 8.0
4 2 6 1 0.0 1.0例5：method = 'bflii'/'backfill'：用下一个非缺失值填充该缺失值
>>> df_1.fillna(method='bfill')
0 1 2 3 4
0 8 6 7 6.0 9.0
1 5 2 4 0.0 8.0
2 2 0 2 0.0 1.0
3 3 9 0 0.0 1.0
4 2 6 1 0.0 1.0例6：指定limit，限制填充个数
>>> df_1.fillna(method='bfill', limit=2)
0 1 2 3 4
0 8 6 7 6.0 9.0
1 5 2 4 NaN 8.0
2 2 0 2 0.0 1.0
3 3 9 0 0.0 1.0
4 2 6 1 0.0 1.0例7：指定axis，确定填充方向
>>> df_1.fillna(method="ffill", limit=1, axis=1)
0 1 2 3 4
0 8.0 6.0 7.0 6.0 9.0
1 5.0 2.0 4.0 4.0 8.0
2 2.0 0.0 2.0 2.0 NaN
3 3.0 9.0 0.0 0.0 NaN
4 2.0 6.0 1.0 0.0 1.0
