You need to enable JavaScript to run this app. pandas如何对列名含'_paid'的列模糊匹配后使用fillna填充缺失值
优惠活动
大模型
产品
解决方案
定价
更多

pandas如何对列名含'_paid'的列模糊匹配后使用fillna填充缺失值

解决方法

你可以通过str.contains()对列名做模糊匹配筛选目标列,再单独对这些列执行缺失值填充操作,不会影响其他列。

核心操作步骤

  • 第一步:筛选所有列名包含_paid的列
paid_columns = df.columns[df.columns.str.contains('_paid')]
  • 第二步:对筛选出的列执行填充操作,以下提供几种常见填充场景的代码:
    • 填充为固定值(比如0):
    df[paid_columns] = df[paid_columns].fillna(0)
    
    • 填充为对应列的均值:
    df[paid_columns] = df[paid_columns].fillna(df[paid_columns].mean())
    
    • 填充为对应列的中位数:
    df[paid_columns] = df[paid_columns].fillna(df[paid_columns].median())
    

注意事项

  • 如果你不想修改原DataFrame,可以先复制一份再操作:
new_df = df.copy()
new_df[paid_columns] = new_df[paid_columns].fillna(0)
  • 如果需要严格匹配列名以_paid结尾,避免误匹配到列名中间带_paid的字段,可以把筛选逻辑替换为:
paid_columns = df.columns[df.columns.str.endswith('_paid')]
  • 如果需要忽略大小写匹配(比如适配_Paid、_PAID这类写法),可以给str.contains加case=False参数:
paid_columns = df.columns[df.columns.str.contains('_paid', case=False)]

完整可运行示例

import pandas as pd
import numpy as np

# 构造测试数据
df = pd.DataFrame({
    'A_paid': [10, np.nan, 30, np.nan],
    'B_paid': [np.nan, 20, np.nan, 40],
    'C_unpaid': [np.nan, 15, 25, np.nan],
    'user_id': [1, 2, np.nan, 4] # 不含_paid的列,缺失值不会被修改
})

# 筛选目标列
paid_columns = df.columns[df.columns.str.contains('_paid')]
# 填充缺失值为0
df[paid_columns] = df[paid_columns].fillna(0)

print(df)

运行后可以看到A_paid、B_paid的缺失值已被填充,C_unpaid和user_id的缺失值保持原样。


内容的提问来源于stack exchange,提问作者MeiNan Zhu

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.17 06:36:03