fillna

Função fillna §

A função fillna() é um método da biblioteca Pandas em Python, utilizada para preencher valores nulos (NaN - Not a Number) em um DataFrame ou em uma Series com valores específicos. Dados faltantes são comuns em conjuntos de dados, e preencher esses valores é uma etapa importante no tratamento de dados ausentes antes de realizar análises ou modelagens.

Sintaxe:

DataFrame.fillna(value, inplace=False)

Principais parâmetros:

• value: Obrigatório. O valor que será usado para preencher os valores nulos.

• inplace: Opcional. Se True, a modificação é realizada no próprio DataFrame (ou Series), e a função não retorna nada (None). Se False (padrão), a função retorna um novo DataFrame (ou Series) com os valores nulos preenchidos.

Exemplo:

import pandas as pd
 
# Exemplo do DataFrame com valores nulos (NaN) na coluna 'age'
data = {'clientid': [28, 30, 31],
        'income': [59417.805406, 48528.852796, 23526.302555],
        'age': [None, None, None],
        'loan': [2082.625938, 6155.784670, 2862.010139],
        'default': [0, 0, 0]}
 
df = pd.DataFrame(data)
 
# Preenchendo os valores nulos da coluna 'age' com o valor 0
df['age'].fillna(0, inplace=True)
 
print(df)

Saída:

clientid	income	age	loan	default
28	59417.805406	0.0	2082.625938	0
30	48528.852796	0.0	6155.784670	0
31	23526.302555	0.0	2862.010139	0

Neste exemplo, usamos a função fillna() para preencher os valores nulos da coluna ‘age’ com o valor 0. Ao definir inplace=True, a modificação é realizada diretamente no DataFrame original. Agora, a coluna ‘age’ não contém mais valores nulos e os dados estão prontos para serem utilizados em análises ou modelagens. É importante escolher um valor adequado para preencher os dados faltantes, considerando o contexto e o impacto dessa decisão na análise dos dados.