Question

我有一个混合的数据框，其中的列具有不同的类型：

df
A   float64
B   object
C   int64

如何运行fillna()，但未收到错误消息：TypeError: argument must be a string or number。

我的意思是如何将所有数字类型都用0（作为数字值）填充，并将所有对象类型都用NaN（作为字符串）填充。

类似的问题：Replace missing values at once in both categorical and numerical columns仅回答两列。我正在寻找包含几列的解决方案。

Answer 1

您可以按列名称创建字典，并使用其值替换缺失的值并传递到DataFrame.fillna：

df= pd.DataFrame(data={'col1': [np.nan,'b','c','d'],
                       'col2': [1,2,np.nan,4],
                       'col3': [np.nan,'b','c','d'],
                       'col4': [1,2,np.nan,4]})

print (df)
  col1  col2 col3  col4
0  NaN   1.0  NaN   1.0
1    b   2.0    b   2.0
2    c   NaN    c   NaN
3    d   4.0    d   4.0

d = {**dict.fromkeys(df.select_dtypes(np.number).columns, 0), 
     **dict.fromkeys(df.select_dtypes(exclude=np.number).columns, 'tmp')}

df = df.fillna(d)
print (df)
  col1  col2 col3  col4
0  tmp   1.0  tmp   1.0
1    b   2.0    b   2.0
2    c   0.0    c   0.0
3    d   4.0    d   4.0

另一个想法是先替换数字，然后替换所有其他列：

c = df.select_dtypes(np.number).columns

df[c] = df[c].fillna(0)
df = df.fillna('tmp')
print (df)
  col1  col2 col3  col4
0  tmp   1.0  tmp   1.0
1    b   2.0    b   2.0
2    c   0.0    c   0.0
3    d   4.0    d   4.0

用NaN填充所有字符串列的NaN，用0填充所有数字列的NaN

1 个答案: