作用：补充缺失值
参数：fillna(inplace,method,limit,axis)
参数解释+代码演示
自定义DataFrame类型的数据
1、inplace参数的取值： True、False
True：直接修改原对象
Fasle：创建一个副本，修改副本，原对象不变（缺失默认）
指定inplace参数
>>> df.fillna(0,inplace=True) # df对象发生改变
>>> df
0 1 2
0 1.0 2.0 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
2、method参数的取值： {‘pad’,’ffill’,’backfill’,’bfill’,’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：指定一个值去替换缺失值（缺失默认）
指定method参数
>>> df.iloc[1,1] = NaN
>>> df
0 1 2
0 1.0 2.0 3.0
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(method='ffill') # 用前一个非缺失值填充该缺失值
0 1 2
0 1.0 2.0 3.0
1 0.0 2.0 3.0
2 0.0 0.0 0.0
>>> df.iloc[1,1] = NaN
>>> df
0 1 2
0 1.0 2.0 3.0
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(method='bfill') # 用下一个非缺失值填充该对象
0 1 2
0 1.0 2.0 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
3、limit参数：限制填充个数
指定limit参数
>>> df.iloc[1,1] = NaN
>>> df.iloc[0,1] = NaN
>>> df
0 1 2
0 1.0 NaN 3.0
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(method='bfill',limit=1) # 用下一个非缺失值填充，只能填充一个
0 1 2
0 1.0 NaN 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
4、axis参数：修改填充方向
1：按行填充；0：按列填充
指定axis参数，注意必须至少和value或method一块使用
>>> df
0 1 2
0 1.0 NaN 3.0
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(2,axis=1)
0 1 2
0 1.0 2.0 3.0
1 0.0 2.0 3.0
2 0.0 0.0 0.0
>>> df.fillna(2,axis=0)
0 1 2
0 1.0 2.0 3.0
1 0.0 2.0 3.0
2 0.0 0.0 0.0
>>> df.iloc[0,2] = NaN
>>> df
0 1 2
0 1.0 NaN NaN
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(2,axis=1)
0 1 2
0 1.0 2.0 2.0
1 0.0 2.0 3.0
2 0.0 0.0 0.0
>>> df.fillna(2,axis=0)
0 1 2
0 1.0 2.0 2.0
1 0.0 2.0 3.0
2 0.0 0.0 0.0
和value一块使用时，效果上看不出来区别
和method一块使用时，效果如下
>>> df
0 1 2
0 1.0 NaN NaN
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(axis=0,method='bfill') # 按列填充，使用下一行非缺失值填充
0 1 2
0 1.0 0.0 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
>>> df
0 1 2
0 1.0 NaN NaN
1 0.0 NaN 3.0
2 0.0 0.0 0.0
>>> df.fillna(axis=1,method='bfill') # 按行填充，用下一列非缺失值填充
0 1 2
0 1.0 NaN NaN
1 0.0 3.0 3.0
2 0.0 0.0 0.0
联合limit表示每行或每列限制填充的个数
>>> df.iloc[0,2] = 3
>>> df
0 1 2
0 1.0 NaN 3.0
1 0.0 NaN 3.0
2 0.0 0.0 0.0
按行填充，每行填充一个，用前一列非缺失值填充
>>> df.fillna(method='ffill',limit=1,axis=1)
0 1 2
0 1.0 1.0 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
按列填充，每列填充一个，用前一列非缺失值填充，前一行无，所以未改变
>>> df.fillna(method='ffill',limit=1,axis=0)
0 1 2
0 1.0 NaN 3.0
1 0.0 NaN 3.0
2 0.0 0.0 0.0
按列填充，用下一行非缺失值填充，总共一列缺失，两个缺失值，limit=1限制只能填充一个
>>> df.fillna(method='bfill',limit=1,axis=0)
0 1 2
0 1.0 NaN 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
>>> df.iloc[0,2] = NaN
>>> df
0 1 2
0 1.0 NaN NaN
1 0.0 NaN 3.0
2 0.0 0.0 0.0
按列填充，每列填充一个，用后一行非缺失值填充
>>> df.fillna(method='bfill',limit=1,axis=0)
0 1 2
0 1.0 NaN 3.0
1 0.0 0.0 3.0
2 0.0 0.0 0.0
'''
从上面的代码演示中可以看到一块使用axis,method,limit参数时，
limit限制的是每行或每列（axis=1或axis=0）可以填充的个数,
method表示使用前一列/后一列或前一行或后一行非缺失值来填充缺失值
'''
在机器学习中，当数据有缺失时，如果直接删除某行或某列的数据一般是不可取的，特别当数据量偏小的时候，一般用前一个或下一个非缺失值填充缺失值，或使用均值填充缺失值，填充的语句和参数解释可参考上面的代码理解。
欢迎交流~
Original: https://blog.csdn.net/lady_chen/article/details/114294852
Author: lady_chen
Title: fillna()函数
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/753078/
转载文章受原作者版权保护。转载请注明原作者出处！