python使用手册_Python入门到底有多简单（三）：填充数据

目录

1.加载包和数据读取 2.数据填充     2.1 用数值或字符串填充     2.2 用字典填充     2.3 method参数填充       2.3.1 用前面的值填充       2.3.2 用后面的值填充       2.3.3 limit限制填充的个数       2.3.4 axis=1 修改填充方向

上篇 【Python入门到底有多简单】之groupby数据分类汇总(二) 中，末尾我们生成文件phylum_1.xlsx，phylum列有单元格是合并状态，在pandas重新读取后会出现NaN,因此需要对NaN数据进行填充后分析。本次介绍几种填充方法。

1

加载包和数据读取

In [1]:

import pandas as pd

In [2]:

df = pd.read_excel('data/ASV/phylum_1.xlsx')df

Out[2]:

2

数据填充

2.1用数值或字符串填充

In [3]:

NaN处均填充数值666

df.fillna(666)

Out[3]:

In [4]:

NaN处均填充uncultured

df.fillna('uncultured')

Out[4]:

2.2用字典填充

In [5]:

字典格式{key1:value1,key2:value2,......}

df.fillna({
      'phylum':666})

Out[5]:

2.3method参数填充

    2.3.1用前面的值填充

In [6]:

df.fillna(method='ffill')

Out[6]:

    2.3.2用后面的值填充

In [7]:

df.fillna(method='bfill')

Out[7]:

    2.3.3limit限制填充的个数

In [8]:

df.fillna(method='ffill',limit=2)

Out[8]:

    2.3.4axis=1 修改填充方向

默认参数数axis=0，按列填充。axis=1则按照行填充。bfill按照后面的值填充

In [9]:

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

Out[9]:

inplace=True直接修改原对象

inplace参数默认为False，填充后不改变原数据。inplace=True则将原数据直接改变。

In [10]:

df.fillna(method='ffill',inplace=True)df

Out[10]:

往期相关链接：

1、R基础篇

excel不熟练怎么办，R来帮您(一)数据分类汇总 ；如何使用Rstudio练习R基础教程 ；R相关软件及R包安装 ；【零基础学绘图】之气泡图绘制(六) ；【零基础学绘图】之绘制venn图(五) ；【零基础学绘图】之绘制barplot柱状图图(四) ；【零基础学绘图】之绘制heatmap图(三) ；【零基础学绘图】之绘制PCA图(二) ；【零基础学绘图】之alpha指数箱体图绘制(一) ；

2、R进阶

ggplot2参数设置麻烦？试试ggpar！；

【绘图进阶】之带连线的箱体图绘制(8)；

【绘图进阶】之配对箱体图绘制(七)；

【绘图进阶】之通路与菌的相关性分析热图(六)；

【绘图进阶】之lefse定制化绘图(五)；

【绘图进阶】之六种带中心点的PCA 图和三维PCA图绘制(四)；

【绘图进阶】之交互式可删减分组和显示样品名的PCA 图(三)；

【绘图进阶】之绘制PCA biplot图(二)；

【进阶篇绘图】之带P值的箱体图、小提琴图绘制(一)；

3.python基础篇

【Python入门到底有多简单】之groupby数据分类汇总(二) ； Python入门到底有多简单(一)：数据读写与输出 ；

4、数据提交

3分钟学会微生物多样性云平台数据分析;

3分钟学会CHIP-seq类实验测序数据可视化 —IGV的使用手册；

10分钟搞定多样性数据提交，最快半天内获取登录号，史上最全的多样性原始数据提交教程；

20分钟搞定GEO上传，史上最简单、最详细的GEO数据上传攻略；

5、表达谱分析

表达谱分析(二)通路富集分析和基因互作网络图绘制 ； 如何对GEO数据进行差异分析 ； miRNA靶基因预测软件__miRWalk 3.0 ；

6、医学数据分析

KING: 样本亲缘关系鉴定工具 ；【WGS服务升级】人工智能软件SpliceAI助力解读罕见和未确诊疾病中的非编码突变 ；隐性疾病trio家系别忽视单亲二倍体现象——天昊数据分析助力临床疾病诊断新添UPD(单亲二倍体)可视化分析工具 ；【昊工具】Oh My God! 太好用了吧！疾病或表型的关键基因查询数据库，我不允许你不知道Phenolyzer ； 天昊客户服务中心 手机/微信号：18964693703

【本群将为大家提供】

分享生信分析方案

提供数据素材及分析软件支持

定期开展生信分析线上讲座

QQ号：1040471849

作者：大熊

审核：有才

来源：天昊生信团