pandas.Series.fillna#

Series.fillna(value, *, axis=None, inplace=False, limit=None)[源代码]#

用 value 填充 NA/NaN 值。

参数:

值标量, 字典, 序列, 或数据框: 用于填充空洞的值（例如 0），或者是一个指定每个索引（对于 Series）或列（对于 DataFrame）使用哪个值的字典/Series/DataFrame。不在字典/Series/DataFrame 中的值将不会被填充。该值不能是列表。
轴{0 或 ‘index’} 用于 Series, {0 或 ‘index’, 1 或 ‘columns’} 用于 DataFrame: 沿哪个轴填充缺失值。对于 Series，此参数未使用并默认为 0。
inplace布尔值, 默认为 False: 如果为真，就地填充。注意：这将修改此对象的任何其他视图（例如，DataFrame中列的非复制切片）。
限制int, 默认为 None: 这是沿整个轴填充NaN的最大条目数。如果值不为None，则必须大于0。

返回:

Series/DataFrame 或 None: 如果 inplace=True，则用缺失值填充的对象或为 None。

参见

ffill: 通过将最后一个有效观测值传播到下一个有效观测值来填充值。
bfill: 通过使用下一个有效观测值来填补空缺。
插值: 使用插值填充NaN值。
reindex: 使对象符合新索引。
asfreq: 将时间序列转换为指定频率。

备注

对于非对象类型，value=None 将使用该类型的 NA 值。更多详细信息请参见填充缺失数据部分。

例子

>>> df = pd.DataFrame(
...     [
...         [np.nan, 2, np.nan, 0],
...         [3, 4, np.nan, 1],
...         [np.nan, np.nan, np.nan, np.nan],
...         [np.nan, 3, np.nan, 4],
...     ],
...     columns=list("ABCD"),
... )
>>> df
     A    B   C    D
0  NaN  2.0 NaN  0.0
1  3.0  4.0 NaN  1.0
2  NaN  NaN NaN  NaN
3  NaN  3.0 NaN  4.0

将所有 NaN 元素替换为 0。

>>> df.fillna(0)
     A    B    C    D
0  0.0  2.0  0.0  0.0
1  3.0  4.0  0.0  1.0
2  0.0  0.0  0.0  0.0
3  0.0  3.0  0.0  4.0

将列 ‘A’, ‘B’, ‘C’ 和 ‘D’ 中的所有 NaN 元素分别替换为 0, 1, 2 和 3。

>>> values = {"A": 0, "B": 1, "C": 2, "D": 3}
>>> df.fillna(value=values)
     A    B    C    D
0  0.0  2.0  2.0  0.0
1  3.0  4.0  2.0  1.0
2  0.0  1.0  2.0  3.0
3  0.0  3.0  2.0  4.0

只替换第一个 NaN 元素。

>>> df.fillna(value=values, limit=1)
     A    B    C    D
0  0.0  2.0  2.0  0.0
1  3.0  4.0  NaN  1.0
2  NaN  1.0  NaN  3.0
3  NaN  3.0  NaN  4.0

当使用 DataFrame 填充时，替换会沿着相同的列名和相同的索引进行。

>>> df2 = pd.DataFrame(np.zeros((4, 4)), columns=list("ABCE"))
>>> df.fillna(df2)
     A    B    C    D
0  0.0  2.0  0.0  0.0
1  3.0  4.0  0.0  1.0
2  0.0  0.0  0.0  NaN
3  0.0  3.0  0.0  4.0

请注意，列 D 不受影响，因为它不在 df2 中。