Python 如何解决用“无”填充所有值的问题？

我正在尝试填充数据框中缺少的值，但是所有值都替换为

无

以下是我尝试过的示例：

# Basic libraries
import os
import pandas as pd
import numpy as np

# Visualization libraries
import matplotlib.pyplot as plt
import seaborn as sns
import folium
#import folium.plugins as plugins
from wordcloud import WordCloud
import plotly.express as px

data_dict = {'First':[100, 90, np.nan, 95], 
        'Second': [30, 45, 56, np.nan], 
        'Third':[np.nan, 40, 80, 98]} 
  
#reating a dataframe from list 
df1 = pd.DataFrame(data_dict)

#first_try_with_column_name
df1.loc[:,'First'] = df1.loc[:,'First'].fillna(method='ffill', inplace=True)

#Second_try_Using_List_of_Columns
list_columns = ['First','Second','Third']
df1.loc[:,list_columns] = df1.loc[:,list_columns].fillna(value, inplace=True)
df1

如图所示，我使用了多种方法来理解此问题背后的原因，因此我尝试使用列名，然后使用列名列表，但不幸的是，问题是相同的

请问有什么建议吗？

更改

df1.loc[:,'First'] = df1.loc[:,'First'].fillna(method='ffill', inplace=True)

到

这是因为您使用的是inplace=True，这意味着将对原始数据帧进行更改

至于None值，它们来自返回None的函数，因为它在原地，没有什么可返回的。因此，所有值都变为无

---

对于每一列

for col in df1.columns:
    df1[col].fillna(10, inplace=True)
df1

---

PS：对于未来的用户，--避免就地填充，因为如果您想向前填充，您只需执行以下操作：

df1 = df1.ffill()

这导致：

    First   Second  Third
0   100.0   30.0    NaN
1   90.0    45.0    40.0
2   90.0    56.0    80.0
3   95.0    56.0    98.0

仍然有一个nan值，因此我们仍然可以进行回填：

df1 = df1.bfill()

最终结果：

    First   Second  Third
0   100.0   30.0    40.0
1   90.0    45.0    40.0
2   90.0    56.0    80.0
3   95.0    56.0    98.0

如果您只想转发特定列中的na，请使用以下命令。请注意，我没有使用

inplace=True

。这就是为什么你的代码以前不起作用的原因

columns_to_fillna = ['Second', 'Third']
df1.loc[:, columns_to_fillna] = df1.loc[:, columns_to_fillna].ffill()

如果您确实想使用

inplace=True

，但不建议这样做，请执行以下操作：

columns_to_fillna = ['Second', 'Third']
df1.loc[:, columns_to_fillna].ffill(inplace=True)

此处讨论了不建议使用inplace的原因：

---

您已经在原地指定，无需再次赋值。这可能是个问题。df1.loc[：，list_columns].fillna（value，inplace=True）应该足够了。请不要这样编写代码！只需直接访问该列

df1['First']=df1['First'].fillna（method='ffill'）

或更好的方法：

df1['First']=df1['First'].ffill（）

。一般的经验法则是，如果确实需要，只使用

inplace=True

。如果您经常使用

inplace=True

，您将来可能会遇到一些不可预见的问题，可能不是此代码，而是其他代码。如果您使用多列，

loc

。你也可以做

df[list\u columns]=df[list\u columns].fillna（）

@DavidErickson谢谢你的评论。但是，最后一个命令

df[list\u columns]=df[list\u columns].fillna（）

未成功运行，问题仍在发生。此外，我还想使用

inplace=True

。那么，还有其他建议吗？谢谢你的评论。它工作得很好，但是如何填充特定列中缺少的值呢？我非常感谢您的帮助。但是，实际上，我需要使用

inplace=True

，因为我需要将效果直接反映到数据帧。我可以使用您的解决方案，但我需要一个额外的命令来将这些更改反映到原始数据帧中。如果有这样的解决方案，我会考虑您的。@QaddomiObaid请查看此答案，了解您为什么应该避免

inplace=True

：Thx@DavidErickson我再次更新了我的答案，使用了您的评论：）@DavidErickson非常感谢。我阅读了附件中的链接，现在我明白了这个问题。但是，有没有这样的技巧来反映对原始数据帧的更改，而不是使用

inplace=True

？也许你喜欢用复印件？我确实需要更改才能对主数据帧生效，因为会对主数据帧进行一系列后续更改。我是一个初学者，我需要一个专家的建议。谢谢你的评论。它工作得很好，但是我真的很有兴趣为列列表填充缺少的数据？非常感谢。这是一个很好的解决方案

columns_to_fillna = ['Second', 'Third']
df1.loc[:, columns_to_fillna].ffill(inplace=True)