最新下载
热门教程
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
Pandas缺失值2种处理方式代码实例
时间:2020-06-13 编辑:袖梨 来源:一聚教程网
本篇文章小编给大家分享一下Pandas缺失值2种处理方式代码实例,代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看。
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)
相关文章
- Golang ProtoBuf的基本语法详解 10-20
- Python识别MySQL中的冗余索引解析 10-20
- Python+Pygame绘制小球代码展示 10-18
- Python中的数据精度问题介绍 10-18
- Python随机值生成的常用方法介绍 10-18
- python3解压缩.gz文件分析 09-27