Pandas数据框fillna()只在某些列中原地填充。

Question

我试图将 Pandas 数据帧中部分列的空值填充为 0。 当我执行以下操作时：

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。我的要求是，只替换a和b列中的None，而不替换c列的None。

如何最好地实现这一点？

- Sait

---

如果更多的pandas方法也有inplace、include和exclude（列的子集），那就太好了。对于正则表达式也是如此。 - undefined

Answer 1

您可以通过赋值选择所需的列：

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

生成的输出符合预期：

     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

- root

---

好的，这正是我想要的！谢谢。有没有在原地进行此操作的方法？我的原始数据框相当大。 - Sait

我认为这样就地进行操作并没有任何性能提升，因为您无论如何都会覆盖原始数据框。 - EdChum

这里的loc是多余的，df[['a', 'b']] = df[['a', 'b']].fillna(value=0)仍然可以正常工作。 - EdChum

它不会产生一个临时数据框，因此需要更多的内存来完成操作吗？（我更关心内存而不是时间复杂度。） - Sait

对于许多操作， inplace 仍将在副本上运行。 我不知道 fillna 是否是这种情况。 请参见来自pandas核心开发人员的此回答。 - root

Answer 2

您可以使用dict和fillna在不同的列中填充不同的值。

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

分配回去之后

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

- BENY

---

非常酷！顺便说一下，如果你想的话，你可以使用fromkeys来创建字典。+1 - U13-Forward

如果实际上显示不同列的不同值，答案/示例将更清晰。 - RufusVS

@RufusVS 是的，但仍然要尝试匹配原帖作者的期望输出。 - BENY

这是比已被接受的答案更好的解决方案，因为它避免了链式索引问题，例如，如果与df.fillna({'a':0,'b':0}, inplace=True)一起使用。 - Alex

如何在字典中使用 ffill 或 bfill 等方法？ - shaik moeed

Answer 3

你可以使用 Wen 的解决方案并设置 inplace=True 来避免复制对象：

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

其结果为：

     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

- Leesa H.

---

虽然这是正确的，但避免复制并不一定更好。 - jpp

Answer 4

使用顶部答案会产生关于对df切片副本进行更改的警告。 假设您有其他列，更好的方法是传递一个字典：
df.fillna({'A': 'NA', 'B': 'NA'}, inplace=True)

- Jonathan

Answer 5

这应该可以正常工作，而且没有版权警告

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

- Joshua Z

Answer 6

以下是一行代码实现以上操作的方法：

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

细节解析: df[['a', 'b']] 选择你想要填充NaN值的列，value=0 告诉它用零来填充NaN，inplace=True 将使更改永久生效，无需复制对象。

- Josephine M. Ho

---

这似乎会引发"SettingWithCopyWarning"警告，并且更改未在“df”中反映出来。 - Michael

有没有一种方法可以在第n列右侧的每一列上使用fillna(0)函数？ - Arthur D. Howland

Answer 7

或类似于：

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

如果还有更多内容：

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

- U13-Forward

Answer 8

由于某种奇怪的原因，这并没有起作用（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]

示例：

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

使用列表推导式来填充fillna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

- Amir F

---

我认为inplace不是一个好的实践方式，请查看这个和这个。 - jezrael

所以在我看来，最好的做法是先发出“inplace”警告，然后从pandas中删除它。 - jezrael

如此简单的建议 - 总是避免原地操作，这里永远不会出现这样的问题 ;) - jezrael

Answer 9

有时候这个语法不起作用：

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

请使用以下内容替代：

df['col1','col2']

- Sarath Baby

Answer 10

如果你正在寻找更高效的方法，

for col in ['a', 'b']:
    v = df.loc[:, col].values
    np.nan_to_num(v, 0.0)

- Nimrod