Метод fillna

Метод fillna применяется к DataFrame и заменяет пропущенные значения NaN на переданное значение или по заданной стратегии. Основным параметром передается значение для заполнения. Дополнительно можно указать метод заполнения ffill или bfill, а также ограничить количество заполнений через параметр limit.

Синтаксис

df.fillna(value[, method, axis, inplace, limit])

Пример

Давайте заменим все пропуски в таблице на число 0:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, 40, 50]
})
res = df.fillna(0)
print(res)

Результат выполнения кода:

 a	 b
		0  1.0  10.0
		1  0.0  20.0
		2  3.0   0.0
		3  0.0  40.0
		4  5.0  50.0

Пример

Теперь заполним пропуски средним значением соответствующих столбцов:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, 40, 50]
})
res = df.fillna(df.mean())
print(res)

Результат выполнения кода:

 a	 b
		0  1.0  10.0
		1  3.0  20.0
		2  3.0  30.0
		3  3.0  40.0
		4  5.0  50.0

Пример

Заполним пропуски предыдущим значением с помощью метода ffill:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, 40, 50]
})
res = df.fillna(method='ffill')
print(res)

Результат выполнения кода:

 a	 b
		0  1.0  10.0
		1  1.0  20.0
		2  3.0  20.0
		3  3.0  40.0
		4  5.0  50.0

Пример

Заполним пропуски следующим значением с помощью метода bfill и ограничим количество заполнений до 1 в каждом столбце:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [np.nan, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, np.nan, 50]
})
res = df.fillna(method='bfill', limit=1)
print(res)

Результат выполнения кода:

 a	 b
		0  NaN  10.0
		1  3.0  20.0
		2  3.0  NaN
		3  5.0  NaN
		4  5.0  50.0

Пример

Заполним пропуски разными значениями для разных столбцов с помощью словаря:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, 40, 50]
})
res = df.fillna({'a': 0, 'b': 100})
print(res)

Результат выполнения кода:

 a	  b
		0  1.0   10.0
		1  0.0   20.0
		2  3.0  100.0
		3  0.0   40.0
		4  5.0   50.0

Смотрите также

метод dropna,
который удаляет строки с пропущенными значениями
метод isna,
который определяет, являются ли значения пропущенными
метод notna,
который проверяет, не являются ли значения пропущенными
метод interpolate,
который интерполирует пропущенные значения