Python 熊猫：只填充数字（int或float）列

我只想在数字列中应用

fillna

。有可能吗

现在，我在所有列中应用它：

df=df.replace（r“^\s*$”，np.nan，regex=True）

---

您可以选择数字列，然后填充NA 例如：

将熊猫作为pd导入
df=pd.DataFrame（{'a'：[1，无]*3，
“b”：[正确，无]*3，
'c'：[1.0，无]*3}）
#选择数字列
数字列=df。选择数据类型（包括=['number']）。列
#向所有NaN填充-1
df[numeric\u columns]=df[numeric\u columns].fillna（-1）
#印刷品
打印（df）

这是一个老问题，但是，我发现单独填写栏比当前选择的答案更快：

def func(df, value):
    df = df.copy()
    for col in df:
        # select only integer or float dtypes
        if df[col].dtype in ("int", "float"):
            df[col] = df[col].fillna(value)
    return df

 func(df, value=-1) # or df.pipe(func, value=-1)

      a      b        c
0    1.0    True     1.0
1   -1.0    None    -1.0
2    1.0    True     1.0
3   -1.0    None    -1.0
4    1.0    True     1.0
5   -1.0    None    -1.0

比较

循环的速度

返回

470µs±12.1µs/循环（7次运行的平均值±标准偏差，每个1000个循环）

，而接受的答案返回

1.57 ms±26.3µs/循环（7次运行的平均值±标准偏差，每个1000个循环）

如果数据帧大小增加到60000行：

pd.concat（[df]*10_000，ignore_index=True）

，

循环

每个循环返回

1.48 ms±79.2µs（平均±标准偏差7次，每个循环1000次）

，而选择的答案返回

2.47 ms±140µs每个循环（平均±标准偏差7次，每个循环100次）

---

对于这两种情况，循环都比选择的答案快得多。此外，您的里程数可能会有所不同。只是一些值得思考的东西，特别是在努力提高性能的时候。

这很好。我想知道联合收割机是否使用

np。选择
会提高速度