Question

说明：两个功能均属于类别dtypes。我在相同的不同内核中使用了此代码 dateset工作正常，唯一的区别是功能在flote64中。后来我将这些功能dtypes转换为Categorical 因为数据集中的所有要素都代表类别。

下面是代码：

AM_train['product_category_2'].fillna('Unknown', inplace =True)
AM_train['city_development_index'].fillna('Missing', inplace =True)

Answer 1

在尝试摆脱所有NaN时，我在数据框中遇到了相同的错误。
我并没有花太多时间，但是用.fillna()代替.replace(np.nan, value)可以解决问题。
请谨慎使用，因为我不确定np.nan是否会捕获所有被解释为NaN的值

Answer 2

使用Series.cat.add_categories首先添加类别：

AM_train['product_category_2'] = AM_train['product_category_2'].cat.add_categories('Unknown')
AM_train['product_category_2'].fillna('Unknown', inplace =True) 

AM_train['city_development_index'] = AM_train['city_development_index'].cat.add_categories('Missing')
AM_train['city_development_index'].fillna('Missing', inplace =True)

示例：

AM_train = pd.DataFrame({'product_category_2': pd.Categorical(['a','b',np.nan])})
AM_train['product_category_2'] = AM_train['product_category_2'].cat.add_categories('Unknown')
AM_train['product_category_2'].fillna('Unknown', inplace =True) 

print (AM_train)
  product_category_2
0                  a
1                  b
2            Unknown

Answer 3

就我而言，当我遇到该错误时，我正在对具有许多功能的数据框使用fillna。
我更喜欢先将必要的功能转换为字符串，然后使用fillna并在需要时最终将其转换回类别。

AM_train['product_category_2'] = AM_train['product_category_2'].astype('string')
AM_train['product_category_2'].fillna('Unknown', inplace =True)
AM_train['product_category_2'] = AM_train['product_category_2'].astype('category')

它也可以是自动化的，搜索所有具有dtype“类别”的特征，并使用上述逻辑对其进行转换。

Answer 4

在不使用 inplace=True 的情况下加载原始数据集，始终在第二次运行 fillna 之前。

出现这个问题是因为，你运行了两次代码，所以不能执行fillna。

熊猫fillna引发ValueError：填充值必须在类别中

4 个答案: