Pandas 填充缺失值

最后修改时间：2025年3月1日

Pandas 是一个强大的 Python 数据操作库。在处理 DataFrame 时，处理缺失值是一项常见的任务。本教程将通过实际示例介绍如何使用 Pandas 填充缺失值。

缺失值可能会干扰数据分析。Pandas 提供了 fillna 等方法来处理它们。这些方法非常灵活，允许使用常量、前向/后向填充或自定义逻辑来填充缺失值。

使用常量值填充

本示例演示如何使用常量填充缺失值。

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, np.nan, 4],
    'B': [np.nan, 2, 3, 4],
    'C': [1, 2, 3, np.nan]
}

df = pd.DataFrame(data)
df_filled = df.fillna(0)

print(df_filled)

fillna(0) 方法将所有缺失值替换为 0。这对于初始化缺失数据非常有用。

前向填充缺失值

本示例演示了前向填充缺失值。

import pandas as pd
import numpy as np

data = {
    'A': [1, np.nan, np.nan, 4],
    'B': [np.nan, 2, 3, np.nan]
}

df = pd.DataFrame(data)
df_filled = df.fillna(method='ffill')

print(df_filled)

method='ffill' 参数使用最后一个有效观测值填充缺失值。这对于时间序列数据非常有用。

后向填充缺失值

本示例演示了如何后向填充缺失值。

import pandas as pd
import numpy as np

data = {
    'A': [1, np.nan, np.nan, 4],
    'B': [np.nan, 2, 3, np.nan]
}

df = pd.DataFrame(data)
df_filled = df.fillna(method='bfill')

print(df_filled)

method='bfill' 参数使用下一个有效观测值填充缺失值。这对于填充数据中的空白非常有用。

使用列均值填充

本示例演示了使用列均值填充缺失值。

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, np.nan, 4],
    'B': [np.nan, 2, 3, 4]
}

df = pd.DataFrame(data)
df_filled = df.fillna(df.mean())

print(df_filled)

df.mean 方法计算每列的均值。缺失值将被这些均值替换，从而保持数据分布。

使用自定义逻辑填充

本示例演示了如何使用自定义逻辑填充缺失值。

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, np.nan, 4],
    'B': [np.nan, 2, 3, 4]
}

df = pd.DataFrame(data)
df_filled = df.fillna({'A': 0, 'B': 1})

print(df_filled)

fillna({'A': 0, 'B': 1}) 方法将列 'A' 中的缺失值填充为 0，将列 'B' 中的缺失值填充为 1。这允许进行特定于列的逻辑。

使用插值填充

本示例演示了使用插值填充缺失值。

import pandas as pd
import numpy as np

data = {
    'A': [1, np.nan, np.nan, 4],
    'B': [np.nan, 2, 3, np.nan]
}

df = pd.DataFrame(data)
df_filled = df.interpolate()

print(df_filled)

interpolate 方法使用线性插值填充缺失值。这对于连续数据非常有用。

使用限制填充

本示例演示了如何限制填充的缺失值数量。

import pandas as pd
import numpy as np

data = {
    'A': [1, np.nan, np.nan, 4],
    'B': [np.nan, 2, 3, np.nan]
}

df = pd.DataFrame(data)
df_filled = df.fillna(method='ffill', limit=1)

print(df_filled)

limit=1 参数将填充限制为每个列只有一个缺失值。这可以防止稀疏数据中的过度填充。

填充缺失值的最佳实践

• 理解数据：在填充之前分析缺失值的模式。
• 使用适当的方法：根据数据上下文选择均值、前向填充或插值等方法。
• 限制填充：使用 limit 避免过度填充。
• 验证结果：检查填充后的数据是否一致。

来源

Pandas fillna 文档

在本文中，我们探讨了如何在 Pandas DataFrame 中填充缺失值。

作者

我的名字是 Jan Bodnar，我是一名充满热情的程序员，拥有丰富的编程经验。我从 2007 年开始撰写编程文章。迄今为止，我已撰写了 1,400 多篇文章和 8 本电子书。我在编程教学方面拥有十多年的经验。

所有 Pandas 教程列表。