[Python] So extrahieren / löschen / konvertieren Sie eine Matrix mit fehlenden Werten (NaN)

Wenn beim Lesen einer CSV- oder Excel-Datei eine leere Zelle vorhanden ist, wird diese als fehlender Wert (NaN) gelesen.

Eine Zusammenfassung zum Suchen, Löschen und Konvertieren einer Matrix, die diesen fehlenden Wert (NaN) enthält.

**Inhaltsverzeichnis**

[Identifizierung von Elementen / Matrizen mit fehlenden Werten](# 1 Identifizierung von Elementmatrizen mit fehlenden Werten)
1. isna()
2. isnull()
[Anzahl der fehlenden Werte zählen](# 2 Anzahl der fehlenden Werte zählen)
[Fehlenden Wert löschen](# 3 Fehlenden Wert löschen)
[Liste der Dropna-Optionen](Liste der Optionen für #dropna)
[Alle fehlenden Wertematrix löschen](# 5 Alle fehlenden Wertematrix löschen)
[Achse = 0 (weggelassen)](# Achse0 weggelassen) 2. axis=1 3. dropna(how='all').dropna(how='all', axis=1)
[Löschen durch Angabe der Anzahl nicht fehlender Zellen](# 6 Löschen durch Angabe der Anzahl nicht fehlender Zellen)
1. df.dropna(thresh=n)
2. df.dropna(thresh=n, axis=1)
[Geben Sie die Zeile / Spalte an, für die Sie NaN löschen möchten](Geben Sie die Matrix an, für die Sie # 7nan löschen möchten.)
1. df.dropna(subset=['AAA', 'BBB'])
2. df.dropna(subset=['aaa', 'bbb'], axis=1)
[Löschen überschreiben zulassen](# 8 Löschen überschreiben zulassen)
[Fehlenden Wert konvertieren](# 9 Fehlenden Wert konvertieren)
[Gesamte Tabelle ersetzen](# Gesamte Tabelle ersetzen) 1. fillna('AAA')
[Methodenoption](# 1-2-Methodenoption) 3. fillna(method='ffill') 4. fillna(method='ffill', axis=1) 5. fillna(method='bfill') 6. fillna(method='bfill', axis=1)
[Geben Sie an, wie viele NaNs ersetzt werden sollen](# Geben Sie an, wie viele Nans ersetzt werden sollen) 1. fillna('AAA', limit=n) 2. fillna('AAA', limit=n, axis=1) 3. fillna(method='ffill', limit=n) 4. fillna(method='ffill', limit=n, axis=1)
[Überschreiben zulassen](# Überschreiben zulassen)

## 1. 1. Identifizierung von Elementen / Matrizen mit fehlenden Werten **①isna()** 　1-1. isna().all() 　1-2. isna().any() 　1-3. isna().all().any() 　1-4. isna().any().any() **②isnull()**
** ▼ Verwendung ** - ** Elementidentifikation ** ist ** isna Methode **. - Um herauszufinden, ob ** alle ** einer Zeile oder Spalte NaN sind, kombinieren Sie die ** isna-Methode und die all-Methode **. - Um herauszufinden, ob das ** Element der Zeile oder Spalte ** NaN enthält, kombinieren Sie die ** isna-Methode und die any-Methode **. -Die isnull-Methode ist ein Alias für die ** isna-Methode ** (Alias). Die offizielle Seite verwendet hauptsächlich isna.
## Zu verwendende Originaldaten Lesen Sie die 6-mal-6-CSV-Datei wie unten gezeigt.

Enthält Zellen ohne eingegebene Werte oder leere Matrizen.

▼ [Referenz] Lesen Sie die Datei test.csv auf dem Desktop.

`CSV-Datei lesen`


import pandas as pd
df = pd.read_csv('~/desktop/test.csv')
df

Weitere Informationen zum Lesen von CSV-Dateien mit Python finden Sie weiter unten.

Lesen einer CSV-Datei Anwendung zum Lesen von CSV-Dateien

### Daten lesen (gespeichert in Variable df) ![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/563526/d1656f44-8997-228f-ae49-1d46eb24da4c.png)

-Die leere Zelle wird zu "NaN". -Formelfehler "#REF!", "# DIV / 0!" Und "#NAME?" Werden nicht als fehlende Werte erkannt (so wie sie waren). ・ Die erste Zeile wird als Kopfzeile erkannt

①isna() Wird verwendet, um zu überprüfen, ob jedes Element NaN ist. Wenn es NaN ist, wird "True" zurückgegeben, andernfalls wird "False" zurückgegeben. (Bool-Typ: Boolescher Wert)

** 1-1. Zuordnung der gesamten Tabelle **

df.isna() └ "df": Daten mit einer Tabelle

`Ordnen Sie die gesamte Tabelle zu`


df.isna()

▼ Ausgabe

NaN wird als "True" und andere als "False" angezeigt.

▼ Originaldaten

** 1-2. Zuordnung nach bestimmten Zeilen, Spalten, Elementen ** Es ist auch möglich, eine bestimmte Matrix oder ein bestimmtes Element durch Angabe des Zielbereichs abzubilden.

pd.isna (angegebener Bereich) └ "pd.isna ()": pd wird zum Objekt

** ▼ Angegebene Spalte zuordnen **

`Zugeordnete Spalte zuordnen`


pd.isna(df['col1'])

#Ausgabe
0    False
1    False
2    False
3    False
4     True
5    False
Name: col1, dtype: bool

** ▼ Karte spezifizierte Linie **

`Ordnen Sie die angegebene Linie zu`


pd.isna(df['col1'])

#Ausgabe
0    False
1    False
2    False
3    False
4     True
5    False
Name: col1, dtype: bool

** ▼ Karte spezifizierte Linie **

`Ordnen Sie die angegebene Linie zu`


pd.isna(df.loc[[3]])

▽ Ausgabe

** ▼ Mehrere Linien zuordnen **

`Ordnen Sie die angegebene Linie zu`


pd.isna(df[1:4])

▽ Ausgabe

** ▼ Beurteilen Sie die angegebene Zelle **

Wenn Sie einen Wert in "()" von "pd.isna ()" eingeben, wird beurteilt, ob es sich um NaN handelt oder nicht. ⇒Geben Sie das Zellenelement ein.

** ① Beurteilen Sie die Zelle mit dem Zeilennamen "0" und dem Spaltennamen "col4" ** -Zellspezifikation: `df.loc [0, 'col4']`

`Richterzelle (angegeben durch den Matrixnamen)`


pd.isna(df.loc[0,'col4'])

#Ausgabe
#True

** ② Beurteilen Sie die Zelle mit der Zeilennummer "1" und der Spaltennummer "3" ** -Zellspezifikation: `df.iloc [1,3]`

`Richterzelle (angegeben durch den Matrixnamen)`


pd.isna(df.iloc[1,3])

#Ausgabe
#True

Es gibt verschiedene Möglichkeiten, den Bereich einer DataFrame-Tabelle anzugeben. Klicken Sie hier für Details

1-1. isna().all() Listen Sie Zeilen oder Spalten mit ** allen NaN ** -Inhalten auf.

Richtig, falls zutreffend. Falsch, falls nicht zutreffend.

Ob es sich um eine Zeile oder eine Spalte handelt, wird durch das Vorhandensein oder Fehlen der Option "Achse = 1" umgeschaltet.

・ Df.isna (). All (): ** Spalte ** Liste ・ Df.isna (). Alle (Achse = 1): ** Linie ** Liste

** ▼ Originaltabelle ** ![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/563526/bd35b75c-b12b-62fc-75b3-339b4a4f126e.png)
** ▼ Liste der Spalten ** `df.isna().all()`

`Liste der Spalten`


df.isna().all()

#Ausgabe
col1          False
Unnamed: 1    False
col3          False
col4           True
Unnamed: 4     True
col6          False
dtype: bool

Die Spaltennamen "col4" und "Unbenannt: 4" sind leer.

** ▼ Liste der Zeilen ** `df.isna().all(axis=1)`

`Liste der Zeilen`


df.isna().all(axis=1)

0    False
1    False
2    False
3    False
4     True
5    False
dtype: bool

Der Zeilenname "4" ist leer

1-2. isna().any() Listen Sie Zeilen oder Spalten auf, die ** mindestens ein NaN ** enthalten.

Richtig, falls zutreffend. Falsch, falls nicht zutreffend.

Ob es sich um eine Zeile oder eine Spalte handelt, wird durch das Vorhandensein oder Fehlen der Option "Achse = 1" umgeschaltet.

・ Df.isna (). Any (): ** Spalte ** Liste ・ Df.isna (). Beliebig (Achse = 1): ** Linie ** Liste

** ▼ Originaltabelle ** ![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/563526/bd35b75c-b12b-62fc-75b3-339b4a4f126e.png)
** ▼ Liste der Spalten ** `df.isna().any()`

`Liste der Spalten`


df.isna().any()

#Ausgabe
col1          True
Unnamed: 1    True
col3          True
col4          True
Unnamed: 4    True
col6          True
dtype: bool

Alle Spalten enthalten NaN.

** ▼ Liste der Zeilen ** `df.isna().any(axis=1)`

`Liste der Zeilen`


df.isna().any(axis=1)

0    True
1    True
2    True
3    True
4    True
5    True
dtype: bool

Alle Zeilen enthalten NaN.

1-3. isna().all().any() ** Wenn die Tabelle mindestens eine leere Spalte enthält ** gibt False zurück, wenn kein True vorhanden ist.

Es kann verwendet werden, wenn Sie den Status schnell anzeigen möchten.

** ▼ Was du machst ** Holen Sie sich mit `isna (). All` eine Liste, in der der Status jeder Spalte als True oder False angezeigt wird.

any () gibt True zurück, wenn mindestens ein True in der Liste vorhanden ist, andernfalls False.

`Überprüfen Sie, ob mindestens eine leere Spalte vorhanden ist`


df.isna().all().any()

#Ausgabe
# True

1-3'. isna().all(axis=1).any() Durch Angabe von "axis = 1" in der Option der all-Methode

Wenn die Tabelle mindestens eine ** leere Zeile ** enthält, wird False zurückgegeben, wenn kein True vorhanden ist.

`Überprüfen Sie, ob mindestens eine Leerzeile vorhanden ist`


df.isna().all(axis=1).any()

#Ausgabe
# True

1-4. isna().any().any() Gibt True ** zurück, wenn es nur eine ** NaN in der Tabelle gibt, andernfalls False.

`Enthält es mindestens ein NaN?`


df.isna().any().any()

#Ausgabe
# True

②isnull() Alias der Isna-Methode Selbst wenn die obige isna durch isnull ersetzt wird, ist der Prozess genau der gleiche.
>> Link zur offiziellen Seite - [isna()](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.isna.html) - [all()](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.all.html) - [any()](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.any.html) - [isnull()](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.isnull.html)
## 2. Zählen Sie die Anzahl der fehlenden Werte ①isna().sum() ②isna().sum().sum() ③len() - count()
①isna().sum() Zählen Sie, wie viele NaNs jede Zeile oder Spalte enthält.

Ob es sich um eine Zeile oder eine Spalte handelt, wird durch das Vorhandensein oder Fehlen der Option "Achse = 1" umgeschaltet.

・ Df.isna (). Sum (): Anzahl pro ** Spalte ** zählen ・ Df.isna (). Summe (Achse = 1): Anzahl pro ** Zeile zählen **

** ▼ Originaltabelle ** ![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/563526/bd35b75c-b12b-62fc-75b3-339b4a4f126e.png)
** ▼ NaN in Spalte zählen ** `df.isna().sum()`

`Zählen Sie das in jeder Spalte enthaltene NaN`


df.isna().sum()

#Ausgabe

col1          1
Unnamed: 1    2
col3          1
col4          6
Unnamed: 4    6
col6          2
dtype: int64

** ▼ NaN in Zeile zählen ** `df.isna().sum(axis=1)`

`Zählen Sie das in jeder Zeile enthaltene NaN`


df.isna().sum(axis=1)

#Ausgabe

0    2
1    3
2    3
3    2
4    6
5    2
dtype: int64

②isna().sum().sum() Zählen Sie die Anzahl der in der gesamten Tabelle enthaltenen NaNs.
** ▼ Was du machst ** Zählen Sie die Anzahl der NaNs für jede Zeile mit "isna (). Sum ()".

Durch "sum ()" wird außerdem die Anzahl der NaN in jeder Zeile addiert.

`Anzahl der NaNs in der gesamten Tabelle`


df.isna().sum().sum()

#Ausgabe
# 18

③len() - count()

len (df ['Zeilenname']) --count (df ['Zeilenname'])

Suchen Sie die Anzahl der NaNs in der angegebenen Zeile oder Spalte.

Ziel ist eine Spalte oder eine Zeile

** ▼ Was du machst ** ① `len (df ['Zeilenname'])` └ Zählen Sie die Anzahl der Elemente in der angegebenen Zeile

② count (df ['Zeilenname']) └ Anzahl der anderen Elemente als NaN in der angegebenen Zeile

Durch Einstellen von (1) - (2) wird die Anzahl der in der angegebenen Zeile enthaltenen NaN berechnet.

Ergänzung
Zählmethode: Zählen Sie die Anzahl anderer Elemente als NaN

** ▼ Zielspalte (Spalte mit zwei NaN. Spaltenname: Spalte 6) **

`Zielspalte`


df.col6

0      A
1    NaN
2      C
3      D
4    NaN
5      F

** ▼ Ausführungsergebnis **

`Anzahl der NaNs in der angegebenen Zeile`


len(df['col6'])-df['col6'].count()

#Ausgabe
# 2

>> Offizielle Seite - [Summenmethode](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.sum.html) - [Zählmethode](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.count.html)
## 3. 3. Fehlende Werte löschen Fehlender Wert NaN kann mit der Dropna-Methode gelöscht werden.

▼ Dropna-Optionsliste

Möglichkeit	Inhalt
axis=0	Leitung (optional)
axis=1	Säule
how='any'	Löschen, wenn es nur eine NaN gibt(Optional)
how='all'	Löschen, wenn alle NaN
thresh=n	Nicht NaN(Eine effektive)Nicht löschen, wenn n oder mehr Zellen vorhanden sind
subset=['A',,]	Löschen Sie Zeilen, die NaN im angegebenen Spaltennamen enthalten (entfernen Sie NaN aus dem angegebenen Spaltennamen).
subset=['a',,], axis=1	Löschen Sie Spalten, die NaN im angegebenen Zeilennamen enthalten (entfernen Sie NaN aus dem angegebenen Zeilennamen).
inplace=True	Überschreiben zulassen

** Originaltabelle ** ![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/563526/84b5b6ed-38e4-a9b3-14ac-16e6d18ce605.png)
### 5. Entfernen Sie alle fehlenden Wertematrix - Geben Sie als Option "** how = 'all' **" an. - Geben Sie die Zeile oder Spalte mit der Achse an.

① Achse = 0 (weggelassen) 　②axis=1 　③dropna(how='all').dropna(how='all', axis=1)

#### ① Achse = 0 (weggelassen) -Löschen Sie "Zeilen" mit Leerzeichen. -Die Standardeinstellung ist "Achse = 0" (optional) └ Die folgenden zwei Prozesse sind gleich.

dropna(how='all') dropna(how='all', axis=0)

`Entfernen Sie alle Leerzeilen`


df.dropna(how='all')

▽ Ausgabe

Zeile 4 gelöscht.

②axis=1 dropna(how='all', axis=1)

Löschen Sie "Spalten", die Leerzeichen enthalten.

`Entfernen Sie alle leeren Spalten`


df.dropna(how='all')

▽ Ausgabe

Zwei Spalten, col4 und Unbenannt, wurden entfernt: 4.

③dropna(how='all').dropna(how='all', axis=1)　

Zeilen und Spalten entfernt, in denen alle Elemente leer sind.

Nach dem Entfernen von Leerzeilen mit dropna (how = 'all') Entfernen Sie leere Spalten mit dropna (how = 'all', axis = 1).

`Entfernen Sie leere Zeilen und Spalten`


df.dropna(how='all').dropna(how='all', axis=1)

▽ Ausgabe

Zeile 4, Spalte col4, Unbenannt: 4 gelöscht.

### 6. Löschen Sie eine Matrix, die mindestens einen fehlenden Wert enthält - Geben Sie als Option "** how = 'any' **" an. ・ Der Standardwert ist dieser Status (optional) - Geben Sie die Zeile oder Spalte mit der Achse an. -Die Originaltabelle wird nicht überschrieben └ Optional ist auch die Einstellung zum Überschreiben möglich.

① Standard 　②axis=1

** ▼ Originaltabelle **

Es gibt vier NaNs. (Zeile, Spalte) = (4,1), (5,2), (1,5), (4,5)

#### ① Standard ** Alle Zeilen mit NaN wurden gelöscht. ** **.

Die Standardeinstellung der dropna-Methode ist, dass als Option how = 'any' angegeben wird.

Die folgenden drei sind gleich. dropna() dropna(how='any') dropna(how='any', axis=0)

** ▼ Ausführungsbeispiel **

In jedem Fall wurden die Zeilen 1, 4, 5 und 6 einschließlich NaN gelöscht.

②axis=1 Gelöschte ** Spalten ** mit mindestens einem NaN.

Da "how =" any "" weggelassen werden kann, sind die folgenden beiden Prozesse gleich.

dropna(axis=1) dropna(how='any', axis=1)

** ▼ Ausführungsbeispiel **

Alle enthalten ein oder mehrere NaN, Spalte 1, Unbenannt: 1, Spalte 5 gelöscht.

## 6. Löschen Sie, indem Sie die Anzahl der Zellen angeben, denen keine Werte fehlen Beispiel: Ignorieren Sie, wenn n oder mehr nicht fehlende Werte vorhanden sind. Wenn es weniger ist, löschen Sie es.

①df.dropna(thresh=n) ②df.dropna(thresh=n, axis=1)

▽ Ergänzung dresch ist eine Abkürzung für "Schwelle".

### ▼ Originaldaten

・ Tabelle mit 10 Zeilen x 6 Spalten -Die Anzahl von NaN ist 1 in der 0. Zeile (9 Zellen sind nicht). Die Anzahl der NaN erhöht sich jeweils um eine Spalte. ・ Alle 4. Spalten sind leer

①df.dropna(thresh=n) Beispiel: `df.dropna (Thresh = 1)` └ "df": Tabellendaten └ "Schwelle = 1": Schwelle 1

Gelöschte Zeilen mit einer oder weniger anderen Zellen als NaN. Entspricht dem Löschen aller NaN-Leitungen.

** ▼ Wenn dresch = 1 **

`Angabe eines Schwellenwerts (n)=1）`


df.dropna(thresh=1)

Es gibt keine Nur-NaN-Zellen, daher bleiben alle Zeilen erhalten.

** ▼ Wenn dresch = 4 **

`Angabe eines Schwellenwerts (n)=4）`


df.dropna(thresh=4)

Zeilen mit 4 oder weniger anderen Zellen als NaN, Zeilen 1, 2 und 3 werden gelöscht.

** ▼ Wenn dresch = 7 **

`Angabe eines Schwellenwerts (n)=7）`


df.dropna(thresh=7)

Da es keine Zeilen mit 7 oder mehr Zellen außer NaN gibt, löschen Sie alle.

②df.dropna(thresh=n, axis=1) Beispiel: `df.dropna (Dresch = 1, Achse = 1)` └ "df": Tabellendaten └ "Schwelle = 1": Schwelle 1

Gelöschte Spalten mit einer oder weniger anderen Zellen als NaN. Entspricht dem Löschen aller NaN-Spalten.

** ▼ Wenn Dresch = 1, Achse = 1 **

`Angabe eines Schwellenwerts (n)=1）`


df.dropna(thresh=1, axis=1)

Alle NaN-Säulen 4 wurden entfernt.

** ▼ Wenn dresch = 7, Achse = 1 **

`Angabe eines Schwellenwerts (n)=7）`


df.dropna(thresh=7, axis=1)

Spalten mit 7 oder weniger anderen Zellen als NaN, Zeilen 4, 5 und 6 werden gelöscht.

** ▼ Wenn dresch = 11, Achse = 1 **

`Angabe eines Schwellenwerts (n)=11）`


df.dropna(thresh=11, axis=1)

Da es keine Spalte mit 11 oder mehr Zellen außer NaN gibt, löschen Sie alle.

## 7. Geben Sie die Zeile / Spalte an, für die Sie NaN löschen möchten Verwenden Sie die Teilmengenoption. Anstatt die angegebene Zeile / Spalte zu löschen, wird das darin enthaltene NaN gelöscht.

Wenn Sie eine Zeile löschen möchten, geben Sie den Spaltennamen mit Teilmenge an.
Wenn Sie eine Spalte löschen möchten, geben Sie den Zeilennamen mit Teilmenge an.

①df.dropna(subset=['AAA', 'BBB']) ②df.dropna(subset=['aaa', 'bbb'], axis=1)

### ▼ Originaldaten |![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/563526/d1a720eb-4f71-9f8e-ffd3-d7bc3d357768.png)| |:--|

・ 10 Zeilen x 6 Spalten ・ Der Zeilenname ist Zeile x Zeilennummer ・ Der Spaltenname ist die Spaltennummer col x

①df.dropna(subset=['AAA', 'BBB']) Löschen Sie die Zeile, indem Sie den Spaltennamen angeben.

df.dropna(subset=['AAA', 'BBB']) └ "df": Variable mit Tabelle └ "Teilmenge": Option zur Angabe des Namens der Tabelle oder Spalte └ "AAA" "BBB": Spaltenname (optional)

Ob das Löschziel eine Zeile oder eine Spalte ist, wird durch das Vorhandensein oder Fehlen einer Achse angegeben.

** ▼ Angegebene Zeile löschen ** `df.dropna(subset=['col1','col3','col5'])` └ Löschen Sie die Zeile mit mindestens einem NaN in den Spalten col1, col3, col5. ⇛ NaN verschwindet aus der angegebenen Spalte.

`Löschen Sie die Zeile, indem Sie den Spaltennamen angeben`


df.dropna(subset=['col1','col3','col5'])

Zeilen 1,2,3,4,5 gelöscht. Die angegebenen Spalten col1,3,5 enthalten kein NaN mehr.

②df.dropna(subset=['aaa', 'bbb'], axis=1) Geben Sie den Zeilennamen an und löschen Sie die Spalte. NaN wird aus der angegebenen Zeile gelöscht.
`df.dropna(subset=['row0','row3'], axis=1)`

Löschen Sie die Spalte mit NaN in den Zeilen 0 und 3. (NaN verschwindet aus der angegebenen Spalte)

`Löschen Sie die Zeile, indem Sie den Spaltennamen angeben`


df.dropna(subset=['row0','row3'], axis=1)

Die Spalten col3, col4, col5 wurden entfernt.

## 8. Löschen überschreiben lassen Verwenden Sie die Inplace-Option.

Standardmäßig nicht überschreiben. 　└inplace=False

Beschreiben Sie Folgendes, um das Überschreiben zu ermöglichen. 　└**inplace=True**

** ▼ Überschreiben zulassen **

`Berechtigung überschreiben`


df.dropna(thresh=5, inplace=True)
df

** ▼ Standard (nicht überschreiben) **

`Kein Überschreiben`


df.dropna(thresh=5)
df

Die Tabelle bleibt gleich.

>> Offizielle Seite [dropna-Methode](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html?highlight=dropna)
## 9. Fehlende Werte konvertieren Sie können NaN durch den angegebenen Wert durch die Fillna-Methode ersetzen.

Die Austauschmethode und die Bedingungen für zu ersetzendes NaN sind als Optionen angegeben.

### ▼ Fillna-Optionsliste

Möglichkeit	Inhalt
axis=0	Zeile (weggelassen)
axis=1	Säule
value	Wert zur Umwandlung von NaN
method='bfill'	In den Wert in der unteren Zelle von NaN umrechnen
method='backfill'	'bfill'Gleich wie
method='ffill'	Konvertieren Sie NaN in den Wert in der oberen Zelle
method='pad'	'ffill'Gleich wie
method='bfill', axis=1	In den Wert in der rechten Zelle von NaN konvertieren
method='ffill', axis=1	In den Wert in der linken Zelle von NaN konvertieren
limit=n	Ersetzen Sie bis zum n-ten NaN. Nicht mehr ersetzen.
inplace=True	Überschreiben zulassen

** ① Ersetzen Sie die gesamte Tabelle ** 　1-1. fillna('AAA') 1-2. Methodenoption 　1-3. fillna(method='ffill') 　1-4. fillna(method='ffill', axis=1) 　1-5. fillna(method='bfill') 　1-6. fillna(method='bfill', axis=1)

** ② Geben Sie die Anzahl der zu ersetzenden NaN an ** 　1-1. fillna('AAA', limit=n) 　1-2. fillna('AAA', limit=n, axis=1) 　1-3. fillna(method='ffill', limit=n) 　1-4. fillna(method='ffill', limit=n, axis=1)

** ③ Überschreiben zulassen **

### ▼ Originaldaten

## ① Ersetzen Sie die gesamte Tabelle 1-1. fillna('AAA') `fillna('AAA')` └ "AAA": Ersetzen Sie NaN durch das angegebene Zeichen (optional)

`fillna('AAA')`


df.fillna('AAA')

### 1-2. Methodenoption Mit der Methodenoption kann es durch einen * -Wert neben NaN ersetzt werden.

Wenn NaN kontinuierlich ist, fahren Sie mit dem Wert mit der Zelle fort.

** ▼ Beispiel: Wenn Sie angeben, durch den Wert in der rechten Zelle zu ersetzen **

Vor dem Austausch: NaN NaN NaN AAA Nach dem Austausch: AAA AAA AAA AAA

Wenn es keine Zelle mit einem Wert gibt, ist dies NaN.

** ▼ Liste der Methodenoptionen **

method	Bedeutung	Inhalt
ffill	forward fill	Ersetzen Sie durch den Wert in der vorderen Zelle (Zeile: oben, Spalte: links)
pad	padding	Gleich wie ffill
bfill	backward fill	Ersetzen Sie durch den Wert in der hinteren Zelle (Zeile: unten, Spalte: rechts)
backfill	backward fill	Gleich wie bfill

Bestimmen Sie bei der Angabe einer Zeile anhand der Zeilennummer, ob sie vor oder nach der Zeile liegt. (Auf oder ab)

Bestimmen Sie beim Angeben einer Spalte anhand der Spaltennummer, ob sie vorne oder hinten ist. (Links oder rechts)

Die Methodenoption kann nicht zusammen mit value verwendet werden (ein Fehler tritt auf).

`Error`


ValueError: Cannot specify both 'value' and 'method'.

1-3. fillna(method='ffill') `fillna(method='ffill')`

Ersetzen Sie durch den Wert in der oberen Zeile.

`ffill`


df.fillna(method='ffill')

In einen Wert über NaN umrechnen. Wird nicht ersetzt, wenn die oberste Reihe NaN ist.

1-4. fillna(method='ffill', axis=1) `fillna(method='ffill', axis=1)`

Ersetzen Sie durch den Wert in der vorderen Spalte.

`ffill,axis=1`


df.fillna(method='ffill', axis=1)

1-5. fillna(method='bfill') `fillna(method='bfill')`

Ersetzen Sie durch den Wert in der letzten Zeile.

`bfill`


df.fillna(method='bfill')

1-6. fillna(method='bfill', axis=1) `fillna(method='bfill', axis=1)`

Ersetzen Sie durch den Wert in der hinteren Spalte.

`bfill,axis=1`


df.fillna(method='bfill', axis=1)

(2) Geben Sie die Anzahl der zu ersetzenden NaN an

Mit der Option limit können Sie die Anzahl der zu ersetzenden NaN angeben.

limit=n Ersetzen Sie bis zum n-ten. Nicht mehr ersetzen.

** Beispiel: Wenn limit = 2 ist, ist der zu ersetzende Wert AAA und die Achse eine Spalte **

■ Vor dem Austausch AAA NaN NaN AAA AAA AAA NaN NaN NaN AAA AAA NaN AAA NaN AAA NaN NaN AAA NaN NaN

■ Nach dem Austausch AAA AAA AAA AAA AAA AAA AAA AAA NaN AAA AAA AAA AAA AAA AAA AAA AAA AAA NaN NaN

-Ersetzen Sie jede Zeile von links bis zum zweiten NaN.

1-1. fillna('AAA', limit=n) `fillna('AAA', limit=3)`

Von oben in der Reihenfolge der Zeilennummern ersetzt NaN bis zur Sekunde.

`limit=2`


df.fillna('AAA', limit=2)

Ersetzen Sie für jede Spalte von oben nach zweit. Nicht mehr ersetzen.

1-２. fillna('AAA', limit=n, axis=1) `fillna('AAA', limit=3, axis=1)`

Ersetzen Sie von oben nach dem dritten NaN in der Reihenfolge der Zeilennummern.

`limit=3,axis=1`


df.fillna('AAA', limit=3, axis=1)

1-3. fillna(method='ffill', limit=n) `fillna(method='ffill', limit=3)`

Ersetzt bis zum dritten NaN in der Reihenfolge der Zeilennummern durch den vorherigen Wert.

Wenn der Anfang NaN ist, wird er nicht ersetzt (er wird nicht gezählt). Der Austausch beginnt nach der Zelle mit dem ersten Wert.

`ffill,limit=3`


df.fillna(method='ffill', limit=3)

1-4. fillna(method='ffill', limit=n, axis=1) `fillna(method='ffill', limit=3, axis=1)`

Ersetzen Sie bis zum dritten NaN in der Reihenfolge der Spaltennummern durch den vorherigen Wert.

Wenn der Anfang NaN ist, wird er nicht ersetzt (er wird nicht gezählt). Der Austausch beginnt nach der Zelle mit dem ersten Wert.

`ffill,limit=3,axis=1`


df.fillna(method='ffill', limit=3)

### ③ Überschreiben zulassen Verwenden Sie die Inplace-Option.

Standardmäßig nicht überschreiben. 　└inplace=False

Beschreiben Sie Folgendes, um das Überschreiben zu ermöglichen. 　└**inplace=True**

** ▼ Überschreiben zulassen **

`Berechtigung überschreiben`


df.fillna('AAA', inplace=True)
df

** ▼ Standard (nicht überschreiben) **

`Kein Überschreiben`


df.fillna('AAA')
df

Die Tabelle bleibt gleich.

>> Offizielle Seite [dropna-Methode](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html?highlight=dropna)
[Zurück zum Anfang](#python So extrahieren, löschen und konvertieren Sie eine Matrix mit einem fehlenden Wert nan)