Заполнение пропущенных значений в pandas fillna

Pandas fillna – это метод, который используется для заполнения пропущенных значений (NaN) в объекте pandas. Пропущенные значения могут возникать в данных из-за различных причин, таких как ошибки ввода, неполные данные или пропуски в исходном источнике данных. Заполнять эти значения очень важно, чтобы избежать искажения результатов анализа данных или проблем при выполнении вычислений.

Для использования метода fillna необходимо иметь объект pandas DataFrame или Series. В DataFrame представлены структурированные данные в виде таблицы с рядами и столбцами, а в Series – одномерные данные, похожие на массив.

Синтаксис использования fillna следующий:

df.fillna(value, method, axis, inplace)

где:

• value – значение, которое будет использоваться для заполнения пропущенных значений
• method – метод заполнения, например, 'ffill' для заполнения значением предыдущей ячейки или 'bfill' для заполнения значением следующей ячейки
• axis – ось операции заполнения, 0 для заполнения по столбцам и 1 для заполнения по рядам
• inplace – флаг, позволяющий изменять исходный объект или создать копию с заполненными значениями

Пример 1: Заполнение всех пропущенных значений в DataFrame определенным числом:

import pandas as pd

data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, None, 5],
        'C': [1, None, 3, 4, 5]}

df = pd.DataFrame(data)

df.fillna(0, inplace=True)

В результате получаем:

    A    B    C
0  1.0  0.0  1.0
1  2.0  2.0  0.0
2  0.0  3.0  3.0
3  4.0  0.0  4.0
4  5.0  5.0  5.0

Пример 2: Заполнение пропущенных значений в DataFrame с использованием предыдущего и следующего значений:

import pandas as pd
import numpy as np

data = {'A': [1, np.nan, 3, np.nan, 5],
        'B': [6, 7, np.nan, 9, 10],
        'C': [11, 12, 13, np.nan, 15]}

df = pd.DataFrame(data)

df.fillna(method='ffill', inplace=True)

В результате получаем:

     A     B     C
0  1.0   6.0  11.0
1  1.0   7.0  12.0
2  3.0   7.0  13.0
3  3.0   9.0  13.0
4  5.0  10.0  15.0

Заполнение пропущенных значений с использованием fillna – это один из способов обработки пропусков в данных с помощью pandas. Этот метод позволяет оперативно исключить NaN значения из дальнейшего анализа или вычислений, и заполнить их релевантными данными. Кроме приведенных примеров, fillna имеет и другие возможности, такие как заполнение пропусков средним или медианой значениями. Знание и умение использовать этот метод является важной частью работы с данными в pandas.