熊猫数据框 fillna() 只有一些列到位

Question

我试图在 Pandas 数据框中只为某些列子集填充 0 值。

当我这样做时：

import pandas as pd
df = pd.DataFrame(data={'a':[1,2,3,None],'b':[4,5,None,6],'c':[None,None,7,8]})
print df
df.fillna(value=0, inplace=True)
print df

输出：

     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  NaN  7.0
3  NaN  6.0  8.0
     a    b    c
0  1.0  4.0  0.0
1  2.0  5.0  0.0
2  3.0  0.0  7.0
3  0.0  6.0  8.0

它将每个None 替换为0。我想做的是，只替换a和b列中的Nones，而不是c。

最好的方法是什么？

Answer 1

您可以选择所需的列并通过分配来完成：

df[['a', 'b']] = df[['a','b']].fillna(value=0)

结果输出如预期：

     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

Answer 2

您可以使用 dict ， fillna 为不同的列使用不同的值

df.fillna({'a':0,'b':0})
Out[829]: 
     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

分配回来后

df=df.fillna({'a':0,'b':0})
df
Out[831]: 
     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

Answer 3

您可以避免使用 Wen 的解决方案和 inplace=True 复制对象：

df.fillna({'a':0, 'b':0}, inplace=True)
print(df)

产量：

     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

Answer 4

使用最佳答案会产生有关更改 df 切片副本的警告。假设您有其他列，更好的方法是传递字典：
df.fillna({'A': 'NA', 'B': 'NA'}, inplace=True)

Answer 5

以下是您可以在一行中完成所有操作的方法：

df[['a', 'b']].fillna(value=0, inplace=True)

细分：df[['a', 'b']] 选择要为其填充 NaN 值的列，value=0 告诉它用零填充 NaN，inplace=True 将使更改永久化，而无需复制对象。

Answer 6

或者类似的东西：

df.loc[df['a'].isnull(),'a']=0
df.loc[df['b'].isnull(),'b']=0

如果还有更多：

for i in your_list:
    df.loc[df[i].isnull(),i]=0

Answer 7

这应该可以工作并且没有复制警告

df[['a', 'b']] = df.loc[:,['a', 'b']].fillna(value=0)

Answer 8

由于某些奇怪的原因，这不起作用（使用 Pandas：'0.25.1'）

df[['col1', 'col2']].fillna(value=0, inplace=True)

另一种解决方案：

subset_cols = ['col1','col2']
[df[col].fillna(0, inplace=True) for col in subset_cols]

例子：

df = pd.DataFrame(data={'col1':[1,2,np.nan,], 'col2':[1,np.nan,3], 'col3':[np.nan,2,3]})

输出：

   col1  col2  col3
0  1.00  1.00   nan
1  2.00   nan  2.00
2   nan  3.00  3.00

应用列表组合。填充值：

subset_cols = ['col1','col2']
[df[col].fillna(0, inplace=True) for col in subset_cols]

输出：

   col1  col2  col3
0  1.00  1.00   nan
1  2.00  0.00  2.00
2  0.00  3.00  3.00

Answer 9

有时这种语法不起作用：

df[['col1','col2']] = df[['col1','col2']].fillna()

改用以下内容：

df['col1','col2']