python - 用字符串值替换数据框中的 NaN

Question

我想用“缺失值”替换我的 df 一列中的缺失值。我试过了

result['emp_title'].fillna('missing')

或

result['emp_title'] = result['emp_title'].replace({ np.nan:'missing'})

第二个有效，因为当我计算此代码后的缺失值时:

result['emp_title'].isnull().sum()

它给了我 0。然而，第一个没有像我预期的那样工作，它没有给我一个 0，而不是之前的缺失值计数。为什么第一个不起作用？谢谢!

Answer 1

您需要就地填写或分配:

result['emp_title'].fillna('missing', inplace=True)

或

result['emp_title'] = result['emp_title'].fillna('missing') 

---

MVCE:

In [1697]: df = pd.DataFrame({'Col1' : [1, 2, 3, np.nan, 4, 5, np.nan]})

In [1702]: df.fillna('missing'); df # changes not seen in the original
Out[1702]: 
   Col1
0   1.0
1   2.0
2   3.0
3   NaN
4   4.0
5   5.0
6   NaN

In [1703]: df.fillna('missing', inplace=True); df
Out[1703]: 
      Col1
0        1
1        2
2        3
3  missing
4        4
5        5
6  missing

您应该知道，如果您尝试将 fillna 应用于切片，请不要使用 inplace=True，而是使用 df.loc/iloc 并分配给子切片:

In [1707]: df.Col1.iloc[:5].fillna('missing', inplace=True); df # doesn't work
Out[1707]: 
   Col1
0   1.0
1   2.0
2   3.0
3   NaN
4   4.0
5   5.0
6   NaN

In [1709]: df.Col1.iloc[:5] = df.Col1.iloc[:5].fillna('missing')

In [1710]: df
Out[1710]: 
      Col1
0        1
1        2
2        3
3  missing
4        4
5        5
6      NaN