熊猫数据框fillna（）仅存在一些列

我试图只对某些列子集用0填充Pandas数据框中的任何值。

当我做：

import pandas as pd
df = pd.DataFrame(data={'a':[1,2,3,None],'b':[4,5,None,6],'c':[None,None,7,8]})
print df
df.fillna(value=0, inplace=True)
print df

输出：

     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  NaN  7.0
3  NaN  6.0  8.0
     a    b    c
0  1.0  4.0  0.0
1  2.0  5.0  0.0
2  3.0  0.0  7.0
3  0.0  6.0  8.0

它取代了每一个None用0的。我想要做的是，只有更换NoneS IN列a和b，但不会c。

最好的方法是什么？

您可以选择所需的列并通过分配来完成：

df[['a', 'b']] = df[['a','b']].fillna(value=0)

结果输出与预期的一样：

     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

您可以使用dict，fillna与不同的列不同的价值

df.fillna({'a':0,'b':0})
Out[829]: 
     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

分配回去之后

df=df.fillna({'a':0,'b':0})
df
Out[831]: 
     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

您可以避免使用Wen的解决方案和inplace = True复制对象：

df.fillna({'a':0, 'b':0}, inplace=True)
print(df)

产生：

     a    b    c
0  1.0  4.0  NaN
1  2.0  5.0  NaN
2  3.0  0.0  7.0
3  0.0  6.0  8.0

这是您可以在一行中完成所有操作的方法：

df[['a', 'b']].fillna(value=0, inplace=True)

细分：df[['a', 'b']]选择要为其填充NaN值的列，value=0告诉它为NaN填充零，inplace=True并使更改永久生效，而无需复制该对象。

使用最上面的答案会产生有关更改df切片副本的警告。假设您还有其他列，执行此操作的更好方法是传递字典：
df.fillna({'A': 'NA', 'B': 'NA'}, inplace=True)

或类似的东西：

df.loc[df['a'].isnull(),'a']=0
df.loc[df['b'].isnull(),'b']=0

如果还有更多：

for i in your_list:
    df.loc[df[i].isnull(),i]=0

有时，此语法无法正常工作：

df[['col1','col2']] = df[['col1','col2']].fillna()

请改用以下内容：

df['col1','col2']