如何通过将所有类型的填充都包含在一个函数中来处理缺失值？

如何解决如何通过将所有类型的填充都包含在一个函数中来处理缺失值？

我制作了一个简单的功能来处理缺失的值，但不幸的是，该功能无法正常工作。

这是我尝试过的示例：

#Basic libraries
import os
import pandas as pd
import numpy as np

def handle_missing(df,list_columns,handle_type,value):
       
    if handle_type == "bfill":
        df = df.loc[:,list_columns].fillna(method='bfill',inplace=True)
                                
    elif handle_type == "ffill":
        df = df.loc[:,list_columns].fillna(method='bfill')
        
    elif handle_type == "mean":
        df = df[list_columns].fillna(df.mean()).round(2)
        
    elif handle_type == "dropna0":
        df = df[list_columns].dropna(axis=0,how='any')
    
    elif handle_type == "dropna1":
        df = df[list_columns].dropna(axis=1,how='any')
        
    else:
        df = df.loc[:,list_columns].fillna(value)

data_dict = {'First':[100,90,np.nan,95],'Second': [30,45,56,np.nan],'Third':[np.nan,40,80,98]} 
  
df1 = pd.DataFrame(data_dict)
list_columns = ['First','Second','Third']
df1 = handle_missing(df1,"bfill",0)
df1

此功能是否有任何需要我集中注意的问题？

如果不建议使用此功能，请给我推荐一个新功能。

解决方法

您的函数看起来不错，除了它返回None，因此您的df1实际上是None。我会这样重写函数：

def handle_missing(df,list_columns,handle_type,value):
       
    if handle_type == "bfill":
        # no inplace
        df[list_columns] = df[list_columns].fillna(method='bfill')
                                
    elif handle_type == "ffill":
        df[list_columns] = df.loc[:,list_columns].fillna(method='bfill')
        
    elif handle_type == "mean":
        df[list_columns] = df[list_columns].fillna(df.mean()).round(2)
        
    elif handle_type == "dropna0":
        df[list_columns] = df[list_columns].dropna(axis=0,how='any')
    
    elif handle_type == "dropna1":
        df[list_columns] = df[list_columns].dropna(axis=1,how='any')
        
    else: 
        df[list_columns] = df.loc[:,list_columns].fillna(value)

现在，该功能将就地修改数据框。所以您只需要：

handle_missing(df1,['Third'],"bfill",999)
print(df1)