Bagaimanakah Saya Boleh Menggantikan Nilai NaN dengan Cekap dalam Pandas DataFrames Tanpa Gelung?

Penggantian NaN Tanpa Gelung dalam Pandas DataFrames

Menggantikan nilai NaN dalam Pandas DataFrame boleh menjadi tugas biasa. Satu pendekatan adalah untuk menggantikan NaN secara berulang dengan nilai bukan NaN pertama di atasnya. Walau bagaimanapun, kaedah ini tidak cekap dan boleh terdedah kepada ralat.

Nasib baik, Pandas menyediakan cara yang lebih cekap dan bebas gelung untuk mencapainya menggunakan kaedah fillna. Dengan menyatakan kaedah sebagai 'isi' (isi hadapan), Pandas akan menyebarkan pemerhatian sah terakhir ke hadapan kepada pemerhatian sah seterusnya:

import pandas as pd

df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])

df.fillna(method='ffill')

Ini menghasilkan DataFrame berikut:

   0  1  2
0  1  2  3
1  4  2  3
2  4  2  9

Kaedah fillna juga membolehkan pengisian ke belakang (isi dari bawah) menggunakan 'bfill' (isi ke belakang) kaedah:

df.fillna(method='bfill')

Secara lalai, kaedah fillna tidak mengubah suai DataFrame asal. Untuk mengubah suai DataFrame asal, nyatakan inplace=True:

df.fillna(method='ffill', inplace=True)

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Menggantikan Nilai NaN dengan Cekap dalam Pandas DataFrames Tanpa Gelung?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!