Remplacer les valeurs manquantes (fillna())

Fonctions :

• fillna()

  La fonction fillna() permet de remplacer les valeurs manquantes (NaN) dans un DataFrame par une valeur spécifique, une méthode de remplissage (comme la méthode de propagation), ou même une valeur calculée à partir des autres éléments du DataFrame. Elle est utilisée pour compléter les données manquantes.

  Importation :

  import pandas as pd

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  value	scalar, dict, Series, ou DataFrame	Valeur(s) de remplacement pour les valeurs manquantes. Peut être une valeur unique ou un dictionnaire pour remplacer des colonnes spécifiques.	None
  method	str, optionnel	Méthode de propagation des valeurs manquantes. Peut être 'ffill' (propagation vers l'avant) ou 'bfill' (propagation vers l'arrière).	None
  axis	int, optionnel	Spécifie si le remplacement doit se faire sur les lignes (axis=0) ou les colonnes (axis=1).	None
  inplace	bool	Si True, modifie le DataFrame en place. Si False, renvoie un nouveau DataFrame.	False
  limit	int, optionnel	Limite le nombre de valeurs manquantes à remplacer.	None

  Exemple de code :

  📋 Copy

  import pandas as pd
  
  # Création d'un DataFrame exemple avec des valeurs manquantes
  data = {
      'Nom': ['Alice', 'Bob', 'Charlie', None, 'Eva'],
      'Âge': [24, None, 35, 40, None],
      'Ville': ['Paris', 'Lyon', None, 'Nice', 'Bordeaux']
  }
  
  df = pd.DataFrame(data)
  
  # Remplacer les valeurs manquantes par une valeur spécifique (ici, 'Inconnu' pour les noms et 'Inconnu' pour les villes)
  df_filled = df.fillna(value={'Nom': 'Inconnu', 'Ville': 'Inconnu'})
  
  # Afficher le DataFrame après remplacement
  print(df_filled)

  

  Explication du code :

  import pandas as pd importe la bibliothèque pandas, renommée ici en pd, ce qui facilite son utilisation dans le reste du code.

  Création d’un DataFrame avec des valeurs manquantes

  On crée un dictionnaire nommé data contenant trois colonnes : Nom, Âge et Ville, dont certaines cellules contiennent la valeur None, représentant des valeurs manquantes.

  df = pd.DataFrame(data) transforme ce dictionnaire en un DataFrame nommé df.

  Remplacer les valeurs manquantes

  La méthode fillna() est utilisée pour remplacer les valeurs manquantes (NaN) dans le DataFrame. Le paramètre value permet de spécifier un dictionnaire associant chaque colonne à une valeur de remplacement. Ici, les valeurs manquantes dans la colonne Nom et Ville sont remplacées par 'Inconnu'.

  df_filled = df.fillna(value={'Nom': 'Inconnu', 'Ville': 'Inconnu'}) crée donc un nouveau DataFrame df_filled avec les valeurs manquantes de ces deux colonnes remplacées.

  Afficher le DataFrame résultant

  La fonction print(df_filled) affiche le contenu du DataFrame après traitement, permettant de vérifier que les remplacements ont bien été effectués.