Pandas 자세히 보기 11 Fillna 부족 데이터 채우기

약속:

import pandas as pd
import numpy as np
from numpy import nan as NaN

부족한 데이터 채우기

fillna ()가 가장 중요한 처리 방식입니다.

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1

코드 결과:
0
1
2
0
1.0
2.0
3.0
1
NaN
NaN
2.0
2
NaN
NaN
NaN
3
8.0
8.0
NaN

상수로 채우기:

df1.fillna(100)

코드 결과:
0
1
2
0
1.0
2.0
3.0
1
100.0
100.0
2.0
2
100.0
100.0
100.0
3
8.0
8.0
100.0

사전을 통해 다른 상수를 채우기:

df1.fillna({0:10,1:20,2:30})

코드 결과:
0
1
2
0
1.0
2.0
3.0
1
10.0
20.0
2.0
2
10.0
20.0
30.0
3
8.0
8.0
30.0

inplace=True로 전송하여 원 대상을 직접 수정:

df1.fillna(0,inplace=True)
df1

코드 결과:
0
1
2
0
1.0
2.0
3.0
1
0.0
0.0
2.0
2
0.0
0.0
0.0
3
8.0
8.0
0.0

method="삽입 값 바꾸기:

df2=pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3]=NaN;df2.iloc[2:4,4]=NaN
df2

코드 결과:
0
1
2
3
4
0
6
6
2
4.0
1.0
1
4
7
0
NaN
5.0
2
6
5
5
NaN
NaN
3
1
9
9
NaN
NaN
4
4
8
1
5.0
9.0

df2.fillna(method='ffill')#        

코드 결과:
0
1
2
3
4
0
6
6
2
4.0
1.0
1
4
7
0
4.0
5.0
2
6
5
5
4.0
5.0
3
1
9
9
4.0
5.0
4
4
8
1
5.0
9.0

전송 limit="충전 개수 제한:

df2.fillna(method='bfill',limit=2)

코드 결과:
0
1
2
3
4
0
6
6
2
4.0
1.0
1
4
7
0
NaN
5.0
2
6
5
5
5.0
9.0
3
1
9
9
5.0
9.0
4
4
8
1
5.0
9.0

axis="충전 방향 수정:

df2.fillna(method="ffill",limit=1,axis=1)

코드 결과:
0
1
2
3
4
0
6.0
6.0
2.0
4.0
1.0
1
4.0
7.0
0.0
0.0
5.0
2
6.0
5.0
5.0
5.0
NaN
3
1.0
9.0
9.0
9.0
NaN
4
4.0
8.0
1.0
5.0
9.0
여러분의 조회에 감사드립니다. 저의 노력이 당신을 도울 수 있고, 함께 격려할 수 있기를 바랍니다.