如何使用pandas填充缺失值？

Question

我正在嘗試用另一個由回歸量預測的數組填充缺失值。 我不知道如何用該數組中的相應值替換缺少的值。

例如，我有：

[0, 1, 2, NaN, NaN] 

和

[0, 0, 1, 2, 3]

如何用2和3替換這些NaN？ 似乎fillna不能這樣做。

很抱歉提出了一個含糊不清的問題。

Answer 1

首先，您必須清楚地識別缺失值的含義（NaN，字符串，整數甚至0可以表示為缺失值，具體取決於您的數據集）

如果你有NaN值，最簡單的方法就是如下，你總是可以通過使用replace將你的缺失值轉換為nan。

# let df be your dataframe and x be the value you want to fill it with
df.fillna(x)

第二種方法是使用sklearn中的庫來輸入值。 我添加了一個簡單的代碼，用於使用impute函數，假設您的缺失值是'NaN'，並且您要填充數據的方法是使用列的平均值。

from sklearn.impute import SimpleImputer
df = SimpleImputer(missing_value = np.nan, strategy = 'mean').fit_transform(df)

您可以將策略更改為不同的方法，例如列的平均值，或中值或列。 這一切都取決於最適合你的工作

Answer 2

假設有2個數組：

arr1 = pd.DataFrame([0, 1, 2, np.NaN, np.NaN])
arr2 = pd.DataFrame([0, 0, 1, 2, 3])

您可以通過fillna將arr1 NaN替換為arr2的相應元素：

arr1.fillna(arr2, inplace=True)

這是執行fillna后的結果：

arr1 = [0, 1, 2, 2, 3]