处理缺失数据

时间:2022-12-20 22:26:06

 

 

 简介

缺失数据(missing data)在大部分数据分析应用中都很常见。pandas的设计目标之一就是让缺失数据的处理任务尽量轻松。

例如, pandas对象上的所有描述统计都排除了缺失数据。

pandas使用浮点值NaN(not a Number)表示浮点和非浮点数组中的缺失数据。它只是一个便于被检测出来的标记而已

 

由于Numpy的数据类型体系中缺乏真正的NA数据类型或定位模式, 所以它是我能想到的最佳解决方案

NA处理方法

 处理缺失数据

 判断缺失数据, isnull()

处理缺失数据

 

 

滤除缺失数据, dropna()

处理缺失数据

布尔类型索引取值

处理缺失数据

DataFrame

 面对DataFrame对象, 事情变得复杂了。 你可能希望丢弃全NA或含有NA的行货列。drop默认丢弃任何含有缺失值的行:

处理缺失数据

 

 丢弃全为NA的行:

处理缺失数据

 

 丢弃全为NA的列:

 处理缺失数据

 

 翻滚数据

 处理缺失数据

 

 填充缺失数据  fillna()  ,fillna(0, inplace=True)对现有对象修改

处理缺失数据

 

fillna value调用一个字典{}作为标量值用于填补缺失值。

 处理缺失数据

 

 处理缺失数据

处理缺失数据

处理缺失数据

 

 处理缺失数据