Welcome to pandas!

4.10 元素填充及方向

1、元素填充

如果DataFrame表格有有缺失值，可以指定数据去填充，也可是用与缺失值相邻的数据去填充， df.fillna()函数正是具备这种填充能力的函数，结构如下：

Df.fillna(Value=None,method=None,aixs=None,inplace=False,limit=None,downcast=None)

value ：填充缺失值的数据，可以是标量值、Series、字典或者DataFrame

mathod ：使用相邻数据填充，backfill,bfill表示向上填充，pad、fill表示向下填充

axis ： 缺失值填充方向（忽略）

inplace ：就地修改

downcast ：把item->dtype的字典将尝试向下转换为适当的相等类型字符串。

有如下填充方式：

1、用标填充（填充统一数据）

2、用Series填充，（不同列填充不同数据）

3、字典填充

4、用DataFrame填充：用一个全表填充另一个有空白的表，但位置须要一一对应。

import pandas as pd

df=pd.read_excel( "D:\Pyobject2023\object\测试\素材\测试素村.填充表格.xlsx" )

print (df)

# t1=df.fillna(0)#填充全部空白数据，标量填充

# s=pd.Series([ "无名氏","0","未通过"] ,["姓名","分数","状态"])

# df1=df.fillna(s) # 两组数据一一对应，等同以下字典写法

df1=df.fillna({

"姓名" : "无名氏" ,

"分数" : "0" ,

"状态" : "未通过"

})

print (df1)

返回：

2、元素填充-填充方向

表格有缺失值，除了用指定数据却说填充，也可以使用缺失值上下相邻的非缺失值填充。

（1）向下填充

向下填充缺失值时，df.fillna()函数的method参数为pad或者ffill均可，也可以使用df.ffill()

(2)向上填充

向上填充时，df.fillna()函数的method参数为packfill或者bfill均可，也可以使用df.bfill()

import pandas as pd

df=pd.read_excel( "D:\Pyobject2023\object\测试\素材\测试素村.填充表格.xlsx" )

print (df)

# df1=df.fillna(method= "pad")

df1=df.ffill() #等同上一行

print (df1)

返回：

3、Series字符填充

用0填充字符串是比较常见的一种方式，所以pandas专门提供了s.str.zfill()函数来解决这类问题， 它在字符串左侧填充0，结构如下

s.str.zfill(width)

width：指定填充后的统一字符长度。

比如将Series中的数字统一为四位，不足用0补齐

做字符串填充时，可以从不同位置填充，s.str.ljust()函数表示从左侧填充，s.str.rjust()

表示从右侧填充，s.str.center()表示从 两侧填充。

s.str.rfill(width,fillchar=””)

fillchar默认为空

s.str.pad (width,side=”left”,fillchar=””)

side ：letf 左边 right 右边 both 两边

import pandas as pd

s=pd.Series([ "9527","666","99" ])

t1=s.str.zfill( 4 )

t2=s.str.rjust( 4 , "*" )

t3=s.str.pad( 6 , side = "both" , fillchar = "*" ) # fillchar=不能省略

print (t1)

print (t2)

print (t3)

返回：

dtype: object

dtype: object

dtype: object