 |
| Photo by Brett Jordan on Unsplash |
A primeira linguagem de programação que vem a mente, quando o assunto é analise de dados, é a linguagem python. Isso por que python fornece um ecossistema de pacotes para a análise de dados. pandas é um desses pacotes. Com ele podemos importar dados de um dataset e realizar algumas analises facilmente.
Um problema comum, quando importamos dados de um dataset, é elementos com valores NaN (sem valor). Esse valor pode causar problemas e erros na analise de dados, por isso pode ser interessante colocar um valor para esses elementos.
Nesse tutorial, vamos aprender a substituir valores NaN dos dataframes pandas utilizando o método fillna(). O método fillna() pode preencher todos os elementos vazios com um valor definido.
Para começar, vamos precisar de um dataframe com elementos vazios.
>>> import pandas as pd
>>> import numpy as np
>>> dados = {
... 'A':[np.nan, 4, 8, np.nan],
... 'B':[9, np.nan, 6, np.nan],
... 'C':[np.nan, 1, np.nan, 9],
... 'D':[np.nan, np.nan, 8, 3]
... }
>>> df = pd.DataFrame(dados)
>>> df
A B C D
0 NaN 9.0 NaN NaN
1 4.0 NaN 1.0 NaN
2 8.0 6.0 NaN 8.0
3 NaN NaN 9.0 3.0
O funcionamento do método fillna() é bem simples, só precisamos passar para o método qual é o valor que vai substituir o valor NaN. Assim o método vai procurar por todo o dataframe, e onde encontrar um elemento vazio, ele vai preencher esse elemento com o valor que recebeu.
>>> df.fillna(2)
A B C D
0 2.0 9.0 2.0 2.0
1 4.0 2.0 1.0 2.0
2 8.0 6.0 2.0 8.0
3 2.0 2.0 9.0 3.0
Também podemos utilizar os valores do próprio dataframe para preencher os elementos vazios. Por exemplo, se quiséssemos preencher o elemento vazio com o último valor não vazio, passaríamos o valor 'ffill' (forward fill) para o parâmetro method. Outra meio de preencher é com o próximo valor não vazio da sequência, nesse caso passamos o valor 'bfill' (back fill) para o parâmetro method.
>>> dados = [
... [None, 2, 6],
... [1, None, None],
... [None, 3, None]
... ]
>>> df = pd.DataFrame(dados)
>>> df
0 1 2
0 NaN 2.0 6.0
1 1.0 NaN NaN
2 NaN 3.0 NaN
>>> df.fillna(method='ffill')
0 1 2
0 NaN 2.0 6.0
1 1.0 2.0 6.0
2 1.0 3.0 6.0
>>> df.fillna(method='bfill')
0 1 2
0 1.0 2.0 6.0
1 1.0 3.0 NaN
2 NaN 3.0 NaN
Também podemos definir o valor que será usado para preencher cada coluna. Por exemplo, você pode definir que os elementos vazios da coluna A serão preenchidos com o valor 'um' e da coluna D com o valor 'dois'.
>>> replace = {'A':'um', 'D':'dois'}
>>> df.fillna(value=replace)
A B C D
0 1 NaN 5.0 dois
1 um 2.0 NaN 6
2 3 NaN 8.0 dois
3 um 4.0 NaN 9
Um parâmetro, que pode ser útil, é o limit. Com ele podemos definir quantos elementos vazios serão substituídos. Por exemplo, se você quiser que apenas um elementos de cada coluna seja substituído passe o valor 1 para o parâmetro limit.
>>> df.fillna(value=replace, limit=1)
A B C D
0 1 NaN 5.0 dois
1 um 2.0 NaN 6
2 3 NaN 8.0 NaN
3 NaN 4.0 NaN 9
Repare que apenas um elemento vazio de cada coluna foi substituído.
Quer aprender mais sobre a biblioteca pandas? Comece com nossos tutoriais pandas.
Referência:
Função fillna()
