我试图填补一个熊猫数据框架与0的值只有一些列的子集。
当我这样做的时候:
import pandas as pd
df = pd.DataFrame(data={'a':[1,2,3,None],'b':[4,5,None,6],'c':[None,None,7,8]})
print df
df.fillna(value=0, inplace=True)
print df
输出:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 NaN 7.0
3 NaN 6.0 8.0
a b c
0 1.0 4.0 0.0
1 2.0 5.0 0.0
2 3.0 0.0 7.0
3 0.0 6.0 8.0
它将每个None替换为0。我要做的是，只替换a和b列中的none，而不是c列。
做这件事最好的方法是什么?
当前回答
有时候这个语法不起作用:
df[['col1','col2']] = df[['col1','col2']].fillna()
请使用以下语句:
df['col1','col2']
其他回答
您可以使用dict, fillna与不同的值为不同的列
df.fillna({'a':0,'b':0})
Out[829]:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
在把它分配回来之后
df=df.fillna({'a':0,'b':0})
df
Out[831]:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
使用顶部的答案会产生一个关于更改df片副本的警告。假设你有其他列，更好的方法是传递一个字典: df。fillna({'A': 'NA'， 'B': 'NA'}， inplace=True)
你可以选择你想要的列，并通过赋值来完成:
df[['a', 'b']] = df[['a','b']].fillna(value=0)
结果输出如预期的那样:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
这应该工作，没有copywarning
df[['a', 'b']] = df.loc[:,['a', 'b']].fillna(value=0)
以下是如何在一行中做到这一点:
df[['a', 'b']].fillna(value=0, inplace=True)
分解:df[['a'， 'b']]选择你想要填充NaN值的列，value=0告诉它填充NaN值为零，inplace=True将使更改永久，而不必复制对象。
