fillna
mengisi NaN
nilai - nilai dengan angka tertentu yang ingin Anda gantikan. Ini memberi Anda pilihan untuk mengisi sesuai dengan indeks baris pd.DataFrame
atau pada nama kolom dalam bentuk python dict
.
Tetapi interpolate
adalah dewa dalam mengisi. Ini memberi Anda fleksibilitas untuk mengisi nilai-nilai yang hilang dengan berbagai macam interpolasi antara nilai-nilai seperti linear (yang fillna
tidak memberikan) dalam contoh yang diberikan di bawah ini dan banyak kemungkinan interpolasi. Sebagai contoh
>> import pandas as pd, numpy as np
>> df = pd.Series([1, np.nan, np.nan, 3])
>> df.interpolate()
0 1.000000
1 1.666667
2 2.333333
3 3.000000
dtype: float64
Dokumentasi panda tentang fillna dan interpolasi sangat jelas dalam hal ini.