如何在 Pandas 中使用 fillna函数的subset参数来填充特定列的缺失值

如何在 Pandas 中使用 fillna函数的subset参数来填充特定列的缺失值

参考：pandas fillna subset

在数据处理过程中，经常会遇到缺失值的问题。Pandas 提供了多种方法来处理 DataFrame 中的缺失值，其中 fillna() 函数是一个非常实用的工具，它可以用于填充缺失值。特别是当我们只想针对 DataFrame 的某些特定列填充缺失值时，fillna() 函数的 subset 参数显得尤为重要。

本文将详细介绍如何在 Pandas 中使用 fillna() 函数的 subset 参数来填充特定列的缺失值。我们将通过多个示例来展示不同情况下的使用方法。

基本用法

首先，我们需要导入 Pandas 库并创建一个包含缺失值的 DataFrame。以下是一个基本的示例：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

print(df)

Output:

示例1：填充单列

如果我们只想填充 DataFrame 中的某一列，可以使用 subset 参数指定列名。例如，只填充列 ‘A’ 的缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

df['A'] = df['A'].fillna(value=0)
print(df)

Output:

示例2：填充多列

如果想同时填充多个列的缺失值，可以对每个列使用 fillna()：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

df['A'] = df['A'].fillna(value=0)
df['B'] = df['B'].fillna(value='pandasdataframe.com')
print(df)

Output:

使用不同的填充值

根据不同列的数据类型或数据特性，我们可能需要使用不同的填充值。

示例3：使用列平均值填充

对于数值型列，使用该列的平均值进行填充是一个常见的选择：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

df['A'] = df['A'].fillna(df['A'].mean())
print(df)

Output:

示例4：使用列众数填充

对于分类数据，可以使用众数来填充缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

mode = df['B'].mode()[0]
df['B'] = df['B'].fillna(mode)
print(df)

Output:

条件填充

有时候我们需要根据某些条件来决定如何填充缺失值。

示例5：根据其他列的值填充

我们可以根据其他列的值来决定如何填充某列的缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

df.loc[df['C'] == 'pandasdataframe.com', 'A'] = df['A'].fillna(0)
print(df)

Output:

示例6：使用前一个或后一个非缺失值填充

Pandas 提供了 method 参数，可以用来指定用前一个非缺失值 (ffill) 或后一个非缺失值 (bfill) 来填充：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

df['A'] = df['A'].fillna(method='ffill')
print(df)

使用函数动态填充

有时候填充值需要通过一些复杂的逻辑来确定，这时可以使用函数来动态生成填充值。

示例7：使用自定义函数填充

假设我们需要根据列 ‘C’ 的值来动态决定列 ‘A’ 的填充值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
data = {
    'A': [1, 2, np.nan, 4],
    'B': ['pandasdataframe.com', 'example', 'test', np.nan],
    'C': [np.nan, 'pandasdataframe.com', 'data', 'info']
}
df = pd.DataFrame(data)

def fill_value(row):
    if row['C'] == 'pandasdataframe.com':
        return 0
    else:
        return 1

df['A'] = df.apply(lambda row: fill_value(row) if pd.isna(row['A']) else row['A'], axis=1)
print(df)

Output:

结论

在本文中，我们详细介绍了如何在 Pandas 中使用 fillna() 函数的 subset 参数来填充 DataFrame 中特定列的缺失值。通过多个示例，我们展示了不同情况下的填充方法，包括单列填充、多列填充、使用不同的填充值、条件填充以及使用函数动态填充等。