填充空栏–熊猫
有时，数据框包含一个空列，可能会在现实生活场景中造成真正的问题。缺失数据也可以指熊猫的 NA(不可用)值。在数据框中，有时许多数据集只是缺少数据，要么是因为它存在而没有被收集，要么是因为它从未存在过。在本文中，让我们看看如何使用熊猫填充数据框中的空列。
注:CSV 文件的链接在此。
填充空栏:
Python 3
import pandas as pd
df = pd.read_csv("Persons.csv")
df
首先，我们导入熊猫，然后在 df 变量中加载我们的 CSV 文件。试着在 jupyter 笔记本或 colab 上运行这个。
输出:
Python 3
df.set_index('Name ', inplace=True)
df
这一行用来删除索引值，我们不希望这样，所以我们删除它。
输出:
有几种方法用来填充空列。我们将逐一查看
方法 1:
在这个方法中，我们将使用“df.fillna(0)”，它用 0 替换所有的 NaN 元素。
示例:
Python 3
df1 = df.fillna(0)
df1
输出:
方法二:
在这个方法中，我们将使用“df.fillna(method='ffill ')”，用于向前或向后传播非空值。
语法:data frame . fill na(值=None 、 方法=None 、 轴=None 、in place = False、 极限=None 、 下变频=None
Python 3
df2 = df.fillna(method='ffill')
df2
输出:
方法 3:
在这个方法中，我们将使用“df.interpolate()”
语法:data frame . interpole(法='linear' 、 轴=0 、 极限=无 、 在位=假 、 极限 _ 方向=无 、 极限 _ 面积=无、
Python 3
df3 = df.interpolate()
df3
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
