Python中多列的Fillna

Question

我有一只混合类型的熊猫dataFrame，有些是字符串，有些是数字。我希望将字符串列中的NAN值替换为“.”，而浮动列中的NAN值替换为0。

考虑一下这个虚构的小例子：

df = pd.DataFrame({'Name':['Jack','Sue',pd.np.nan,'Bob','Alice','John'],
    'A': [1, 2.1, pd.np.nan, 4.7, 5.6, 6.8],
    'B': [.25, pd.np.nan, pd.np.nan, 4, 12.2, 14.4],
    'City':['Seattle','SF','LA','OC',pd.np.nan,pd.np.nan]})

现在，我可以做三行：

df['Name'].fillna('.',inplace=True)
df['City'].fillna('.',inplace=True)
df.fillna(0,inplace=True)

由于这是一个小数据，3行可能是可以的。在我的实际示例中(由于数据保密的原因，我不能在这里共享)，我有更多的字符串列和数字列。因此，我最终写了许多行只是为了填充。有简明扼要的方法吗？

Answer 1

您可以将apply用于您的列，并检查dtype是否为numeric，方法是检查dtype.kind

res = df.apply(lambda x: x.fillna(0) if x.dtype.kind in 'biufc' else x.fillna('.'))

print(res)
     A      B     City   Name
0  1.0   0.25  Seattle   Jack
1  2.1   0.00       SF    Sue
2  0.0   0.00       LA      .
3  4.7   4.00       OC    Bob
4  5.6  12.20        .  Alice
5  6.8  14.40        .   John

Answer 2

在寻找这个问题的答案时看到了这个页面，但是不喜欢现有的答案。最后，我在DataFrame.fillna文档中找到了更好的东西，并认为我会为发生这种情况的任何人做出贡献。

如果您有多个列，但只想替换其中一个子集中的NaN，则可以使用：

df.fillna({'Name':'.', 'City':'.'}, inplace=True)

这还允许您为每一列指定不同的替换。如果您想继续填充所有剩余的NaN值，只需在最后抛出另一个fillna：

df.fillna({'Name':'.', 'City':'.'}, inplace=True).fillna(0, inplace=True)

编辑(2021年4月22日)

功能(大概/显然)从最初的post开始更改，您不能再链接2 inplace fillna()操作了。您仍然可以链接，但是现在必须将该链分配给，而不是就地修改，例如：

df = df.fillna({'Name':'.', 'City':'.'}).fillna(0)

Answer 3

您可以手动列出字符串列，也可以从df.dtypes中收集它们。一旦您有了字符串/对象列的列表，就可以一次对所有这些列调用fillna。

# str_cols = ['Name','City']
str_cols = df.columns[df.dtypes==object]
df[str_cols] = df[str_cols].fillna('.')
df = df.fillna(0)