Python 熊猫-在分类数据中填充NAN

我正在尝试使用下面的代码填充缺少的值（NAN）

NAN_SUBSTITUTION_VALUE = 1
g = g.fillna(NAN_SUBSTITUTION_VALUE)

但是我得到了以下错误

ValueError: fill value must be in categories.

请大家解释一下这个错误。

一旦创建了分类数据，就只能在分类中插入值

>>> df
    ID  value
0    0     20
1    1     43
2    2     45

>>> df["cat"] = df["value"].astype("category")
>>> df
    ID  value    cat
0    0     20     20
1    1     43     43
2    2     45     45

>>> df.loc[1, "cat"] = np.nan
>>> df
    ID  value    cat
0    0     20     20
1    1     43    NaN
2    2     45     45

>>> df.fillna(1)
ValueError: fill value must be in categories
>>> df.fillna(43)
    ID  value    cat
0    0     20     20
1    1     43     43
2    2     45     45

---

填写前添加类别：

g = g.cat.add_categories([1])
g.fillna(1)

---

您的问题缺少了重要的一点

g

是什么，特别是它有dtype

category

。我想是这样的：

g = pd.Series(["A", "B", "C", np.nan], dtype="category")

您遇到的问题是

fillna

需要一个已经作为类别存在的值。例如，

g.fillna（“A”）

可以工作，但是

g.fillna（“D”）

失败。要使用新值填充序列，可以执行以下操作：

g_without_nan = g.cat.add_categories("D").fillna("D")

---

有时，您可能希望用数据集中的值替换NaN，然后可以使用该值：

#creates a random permuation of the categorical values
permutation = np.random.permutation(df[field])

#erase the empty values
empty_is = np.where(permutation == "")
permutation = np.delete(permutation, empty_is)

#replace all empty values of the dataframe[field]
end = len(permutation)
df[field] = df[field].apply(lambda x: permutation[np.random.randint(end)] if pd.isnull(x) else x)

---

它的工作效率相当高。

正如许多人之前所说的，这个错误来自于该功能的类型是“类别”。
我建议首先将其转换为字符串，使用fillna，然后在需要时将其转换回category

g = g.astype('string')
g = g.fillna(NAN_SUBSTITUTION_VALUE)
g = g.astype('category')

---

亲爱的黑客代码，显然我搜索过了，当我什么都找不到时，我在这里创建了一个帐户，并询问了同行。再加上，我不是任何学生，也不是家庭作业的一部分，只是出于热情，我正在学习Python并尝试不同的东西。我认为这是一个知识共享平台，不是为了批评地面。只是一个侧面：当使用直接应用于数据帧时，我必须指定列才能使其工作：

g[cat\u column\u name]=g[cat\u column\u name].cat.add\u categories（[1]）

。如果已经订购了类别，那么添加的类别将是最大的。您解决问题的方法非常简单。你能再加些文字吗？我觉得太难理解了