El método Pandas fillna() para re­em­pla­zar valores NaN

La función DataFrame.fillna()de la Bi­blio­te­ca Python Pandas se utiliza para re­em­pla­zar valores faltantes en un DataFrame. Esto puede resultar de gran utilidad a la hora de facilitar los procesos de limpieza de datos o de realizar análisis.

Sintaxis de la función fillna()de Pandas

La función fillna() acepta hasta cinco pa­rá­me­tros y su sintaxis es la siguiente:

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None)

Pa­rá­me­tros re­le­va­n­tes

Podemos ajustar el co­m­po­r­ta­mie­n­to de la función DataFrame.fillna() de Pandas uti­li­za­n­do los si­guie­n­tes pa­rá­me­tros:

Uso del método DataFrame.fillna() de Pandas

Existen di­fe­re­n­tes formas de utilizar la función fillna() de Pandas:

Reemplazo de valores NaN por un valor fijo

El primer paso consiste en definir un DataFrame:

import pandas as pd
# Ejemplo de DataFrame con diferentes valores
data = {
    'A': [1, 2, None, 4],
    'B': [None, 2, 3, 4],
    'C': [1, None, 3, 4]
}
df = pd.DataFrame(data)
print(df)

El aspecto del DataFrame que acabamos de definir es el siguiente:

A    B    C
0  1.0  NaN  1.0
1  2.0  2.0  NaN
2  NaN  3.0  3.0
3  4.0  4.0  4.0

Ahora puedes utilizar la función fillna() de Pandas para re­em­pla­zar los valores faltantes por el valor 0:

# Reemplazo de los valores faltantes por el valor 0
df_filled = df.fillna(0)
print(df_filled)

Todos los valores NaN incluidos en la función han sido re­em­pla­za­dos por 0:

A    B    C
0  1.0  0.0  1.0
1  2.0  2.0  0.0
2  0.0  3.0  3.0
3  4.0  4.0  4.0

Uso del método de relleno hacia delante ffill

El método ffill puede uti­li­zar­se para rellenar los valores NaN con los valores an­te­rio­res de cada columna. Para ello, hay que pasarlo como parámetro a la función:

# Reemplazo de todos los valores NaN por el valor anterior
df_ffill = df.fillna(method='ffill')
print(df_ffill)

En este ejemplo, los valores NaN en las columnas “A” y “C” se han re­em­pla­za­do por los valores an­te­rio­res en la misma columna. Como en la columna “B” no había ningún valor anterior, se mantiene el valor NaN:

A    B    C
0  1.0  NaN  1.0
1  2.0  2.0  1.0
2  2.0  3.0  3.0
3  4.0  4.0  4.0

Uso del método de relleno hacia atrás bfill por filas

Los valores NaN también se pueden rellenar con los valores po­s­te­rio­res de la misma fila. Para ello, debes usar el método bfill y, además, es­ta­ble­cer el parámetro axis en 1:

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

Como resultado, los valores NaN en la fila cero y la fila dos han sido re­em­pla­za­dos por sus valores po­s­te­rio­res, re­s­pe­c­ti­va­me­n­te. En la primera fila queda un valor NaN, ya que en esa fila no existe ningún valor posterior con el que re­em­pla­zar­lo.

A    B    C
0  1.0  1.0  1.0
1  2.0  2.0  NaN
2  3.0  3.0  3.0
3  4.0  4.0  4.0