pandas.DataFrame.fillna

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

功能：使用指定的方法填充NA / NaN值

參數：value : 變量, 字典, Series, or DataFrame

　　　　用於填充缺失值（例如0），或者指定為每個索引（對於Series）或列（對於DataFrame）使用哪個字典/Serise/DataFrame的值。（不在字典/Series/DataFrame中的值不會被填充。）這個值不能是一個列表。

　　　method : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, 默認值 None           在Series中使用方法填充空白（向前填充，向后填充）

　　　axis : {0 or ‘index’, 1 or ‘columns’}

　　　inplace : boolean, 默認值 False         如果為Ture,在原地填滿。注意：這將修改次對象上的任何其他視圖（例如，DataFrame中的列的無復制貼片）

　　　limit : int, 默認值 None            

                   如果指定了方法，則這是連續的NaN值的前向/后向填充的最大數量。 換句話說，如果連續NaN數量超過這個數字，它將只被部分填充。 如果未指定方法，則這是沿着整個軸的最大數量，其中NaN將被填充。 如果不是無，則必須大於0。

　　　downcast : dict, 默認是 None

　　　　　  如果可能的話，把 item->dtype 的字典將嘗試向下轉換為適當的相等類型的字符串（例如，如果可能的話，從float64到int64）

返回：被充滿的DataFrame　　

例子：

         

>>>df = pd.DataFrame([[np.nan,2,np.nan,0],
                                 [3,4,np.nan,1],
                                 [np.nan,np.nan,np.nan,5],
                                 [np.nan,3,np.nan,4]],
                                 columns=list('ABCD'))
>>> df
     A       B      C        D
0  NaN  2.0    NaN    0
1  3.0    4.0   NaN     1
2  NaN  NaN  NaN     5
3  NaN  3.0    NaN    4

#將NAN值轉換為0
>>>df.fillna(0)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

#向前或向后傳播
>>>df.fillna(method='ffill')
       A     B     C     D
0   NaN 2.0  NaN  0
1   3.0  4.0  NaN  1 
2   3.0  4.0  NaN  5
3   3.0  3.0  NaN  4

#用字典替換
>>>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
1   3.0 4.0 2.0 1
2   0.0 1.0 2.0 5
3   0.0 3.0 2.0 4

#只替換第一個NAN值
>>> df.fillna(value=values, limit=1)
       A       B    C     D
0   0.0   2.0   2.0   0
1   3.0    4.0  NaN  1
2   NaN  1.0  NaN   5
3   NaN  3.0  NaN   4