جایگزینی مقادیر گمشده در Pandas

import pandas as pd

data = pd.DataFrame({"A": [۱, ۲, np.nan], "B": [۴, ۵, None]})

# جایگزینی مقادیر گمشده با ۰
data.fillna(۰, inplace=True)

# جایگزینی مقادیر گمشده با میانگین ستون
data.fillna(data.mean(), inplace=True)

# جایگزینی مقادیر گمشده با مقادیر خاص بر اساس ستون
data["A"].fillna(data["B"], inplace=True)

# جایگزینی NaN با ۰
data.replace(np.nan, ۰, inplace=True)

# جایگزینی مقادیر خاص در ستون "A" با "Missing"
data["A"].replace(۱۰, "Missing", inplace=True)

# جایگزینی مقادیر گمشده با روش خطی
data.interpolate("linear", inplace=True)

# جایگزینی مقادیر گمشده با روش جذر مربعی
data.interpolate("quadratic", inplace=True)

def replace_values(df):
    # جایگزینی مقادیر گمشده در "A" با میانگین ستون اگر "B" غیر گمشده باشد، در غیر این صورت با ۰
    df["A"].fillna(df["A"].mean() if df["B"].notna() else ۰, inplace=True)

    # جایگزینی مقادیر گمشده در "B" با "Unknown"
    df["B"].fillna("Unknown", inplace=True)

data = pd.DataFrame({"A": [۱, ۲, np.nan], "B": [۴, ۵, None]})
replace_values(data.copy())

import numpy as np

def replace_with_custom_logic(value):
    if value is np.nan:
        if np.random.rand() < ۰.۵:
            return ۰
        else:
            return ۱۰
    else:
        return value

data["A"].fillna(lambda x: replace_with_custom_logic(x), inplace=True)