Pandas缺失值2种处理方式代码实例
作者:_夕颜
这篇文章主要介绍了Pandas缺失值2种处理方式代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
处理方式:
存在缺失值nan,并且是np.nan:
删除存在缺失值的:dropna(axis='rows')
替换缺失值:fillna(df[].mean(), inplace=True)
不是缺失值nan,有默认标记的
1、存在缺失值nan,并且是np.nan
# 判断数据是否为NaN # pd.isnull(df),pd.notnull(df),pd.isna(df) # 读取数据 movie = pd.read_csv("./date/IMDB-Movie-Data.csv") ##第一种 删除 # pandas删除缺失值,使用dropna的前提是,缺失值的类型必须是np.nan # 删除缺失值为np.nan的所在行 movie.dropna() # 第二种 替换缺失值 # 替换存在缺失值的样本 # 替换 填充平均值 movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True) # 替换 填充自定义值 movie['Metascore'].fillna(11, inplace=True)
2、不是缺失值nan,有默认标记的
1、先替换默认标记值为np.nan
df.replace(to_replace=, value=)
2、在进行缺失值的处理
# 把一些其它值标记的缺失值,替换成np.nan
mm = moive.replace(to_replace='默认值', value=np.nan)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。