Python 填充Float列的np.nan条目会给出ValueError:填充值必须在类别中

在使用和的解决方案在我的所有

类别

列中填充空值后，我的许多浮点列中留下了许多空值。我以为一个简单的

df.fillna（0.0，inplace=True）

就可以了，但是，我得到了一个错误

ValueError:fill值必须在categories

中。我认为这个错误只适用于

category

type列

所以

我有很多float列和category列。我通过添加类别“unknown”填充类别列，然后用“unknown”填充空值。现在，一个简单的

    df.fillna(0.0, inplace = True)  

应该有用的。但事实并非如此

重现此问题的简单方法如下：

     df = pd.DataFrame({"A": ["a"], "B":[np.nan] })
     df['A'] = df['A'].astype('category')
     df.fillna(0.0, inplace = True)

请不要说我能做到：

     df['A'].fillna(0.0, inplace = True)

我有很多浮动列，我不能一个接一个地去。我必须将剩余列中的所有空值批量填充0.0。请放心，所有列都是float类型，但是，可能还有其他

category

列，但是它们没有任何空值

---

感谢所有解决方案。

您只需在仅包含浮点列的切片上应用fillna（），然后重新分配。否则，pandas会认为您可能希望在categories列中填充一个不存在的值0.0，即使它们没有任何内容要填充

对您的示例进行的此修改将起作用：

df = pd.DataFrame({"A": ["a"], "B":[np.nan] })
df['A'] = df['A'].astype('category')
#df.fillna("a", inplace = True)
df.loc[:,[c for c in df.columns if df[c].dtype=="float64"]] = df.loc[:,[c for c in df.columns if df[c].dtype=="float64"]].fillna(0.0)
df

---

这里的主要问题是，pandas不允许我们将

类别中的
NaN
值替换为不在类别级别中的值。例如，如果您尝试
df.fillna（'a'）
，它将起作用，因为“a”出现在类别级别中。有趣的是，即使在
category
列中没有
NaN
，熊猫也会引发
ValueError
（可能是bug？）。因此，为了填充
NaN
，您必须指定目标列或目标
dtype
列

这就是说，您可以轻松地在尽可能多的浮点列中替换
NaN
：

df.fillna({col: 0.0 for col in df.columns[df.dtypes.eq(float)]})

或

或者，您可以只在除类别以外的所有列中填写
NaN
：

df.loc[:, df.dtypes.ne('category')] = df.select_dtypes(exclude='category').fillna(0.0)


更新：

显然，已经有人提出了一个悬而未决的问题。请看：

df.loc[:, df.dtypes.ne('category')] = df.select_dtypes(exclude='category').fillna(0.0)