Fillna in Pandas: Your Ultimate Guide to Managing Missing Data

Метод fillna () в pandas используется для замены отсутствующих данных (NaN) в объекте DataFrame или Series на другие значения. Он может быть очень полезен для обработки данных, так как NaN значения могут препятствовать анализу и моделированию данных, а также привести к ошибкам в работе с данными.

Пример использования fillna () в серии:

import pandas as pd

ser = pd.Series([1, 2, None, 4, None, 5])

ser.fillna(0)

Этот код заменит все значения NaN в серии на 0. Результат будет:

0 1.0

1 2.0

2 0.0

3 4.0

4 0.0

5 5.0

dtype: float64

Также fillna () может принимать различные параметры, которые определяют, как именно заменять NaN значения. Например, мы можем заполнить NaN значения последним значением из серии:

ser.fillna(method='backfill')

Результат будет:

0 1.0

1 2.0

2 4.0

3 4.0

4 5.0

5 5.0

dtype: float64

Мы можем использовать fillna с DataFrame, для замены NaN:

import pandas as pd

data = {'Name': ['John', 'Paul', 'George', 'Ringo'],

'Age': [20, 21, None, 23],

'Gender': ['Male', None, 'Male', 'Male']}

df = pd.DataFrame(data)

df.fillna({'Age': df['Age'].mean(), 'Gender': 'Unknown'})

Результат будет:

Name Age Gender

0 John 20.0 Male

1 Paul 21.0 Unknown

2 George 22.0 Male

3 Ringo 23.0 Male

Здесь мы заменяем NaN значения возраста на среднее значение возраста всего DataFrame, а все NaN значения пола заменяем на "Unknown".

Таким образом, метод fillna является одним из наиболее универсальных методов библиотеки pandas для замены NaN значений в Series и DataFrame, что делает его особенно полезным для обработки данных.