Python dataframe fillna（）只保留部分列

我试图在Pandas数据框中仅对某些列子集使用0填充none值

当我这样做时：

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

。我想做的是，只替换列

a

和

b

中的

None

s，而不是

c

---

执行此操作的最佳方法是什么？

您可以选择所需的列，并通过分配来执行：

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

结果输出如预期：

     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

---

您可以对不同的列使用具有不同值的

dict

，

fillna

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

在把它分配回来之后

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

---

您可以避免使用Wen的解决方案和inplace=True复制对象：

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

这将产生：

     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

或者类似于：

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

如果还有更多：

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

---

以下是如何在一行中完成这一切：

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

---

细分：

df[['a'，b']]

选择要填充NaN值的列，

value=0

告诉它用零填充NaN，并且

inplace=True

将使更改永久化，而不必复制对象。

使用顶部答案会产生关于更改df切片副本的警告。假设您有其他列，更好的方法是传递字典：

---

df.fillna（{'A'：'NA'，'B'：'NA'}，inplace=True）

有时这种语法不起作用：

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

请改用以下方法：

df['col1','col2']

---

出于某种奇怪的原因，这不起作用（使用熊猫：“0.25.1”）

另一个解决方案：

subset_cols = ['col1','col2']
[df[col].fillna(0, inplace=True) for col in subset_cols]

例如：

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

应用列表组件。要填充NA值，请执行以下操作：

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

---

这应该是有效的，没有任何警告

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

---

是的，这正是我想要的！非常感谢。有什么方法可以做到这一点吗？我的原始数据帧相当大。我认为这样做不会带来任何性能提升，因为您正在覆盖原始df。loc在这里是多余的，

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

仍然会work@EdChum它是否会产生一个临时数据帧，因此需要更多的内存？（我更关心的是内存而不是时间复杂性。）对于许多操作，

inplace

仍然可以在副本上工作。我不知道fillna的情况是否如此。从pandas的一位核心开发人员那里可以看到。真的很酷，顺便说一句，对于dict，如果您愿意，您可以使用

fromkeys

，+1答案/示例，如果它实际为不同的列显示了不同的值，那么它会更清晰。@RufusVS这是正确的，但仍然尝试匹配op的预期输出。这是比公认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

，虽然这是正确的，但避免复制。不知何故，这会给出带有copyWarning的设置，并且更改不会反映在

df

中。我认为

inplace

不是一个好的实践，检查，所以最好的方法应该是，在我看来，如果提高

就地

警告，然后从熊猫身上移除。这么简单的建议-总是避免就地，永远不要出现这样的问题；）

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