时间:2021-05-22
查看DataFrame中每一列是否存在空值:
temp = data.isnull().any() #列中是否存在空值print(type(temp))print(temp)结果如下,返回结果类型是Series,列中不存在空值则对应值为False:
<class 'pandas.core.series.Series'>eventid Falseiyear Falseimonth Falseiday Falseapproxdate Trueextended Falseresolution True...Length: 135, dtype: bool列数太多,可以将Series转化为DataFrame不存在空值的列:
colnull=pd.DataFrame(data={'colname': temp.index,'isnulls':temp.values})#print(colnull.head())#不存在空值的列名print(colnull.loc[colnull.isnulls==False,'colname'])结果如下:
0 eventid1 iyear2 imonth3 iday...Name: colname, dtype: object如下取出某一列(nkill)存在空值的记录,返回一个DataFrame:
data[data.nkill.isnull()]缺失值填充,inplace值为真代表直接在原DataFrame上进行操作:
data['doubtterr'].fillna(0, inplace=True)data['propvalue'].fillna(data['propvalue'].median(),inplace=True)以上这篇对Pandas DataFrame缺失值的查找与填充示例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
在实际应用中对于数据进行分析的时候,经常能看见缺失值,下面来介绍一下如何利用pandas来处理缺失值。常见的缺失值处理方式有,过滤、填充。一、缺失值的判断pan
01、缺失值处理人工填充(数据集小,缺失值少)使用样本数据的均值或中位数填充Python缺失值处理实例代码:b、填充替换缺失值--fillna如果缺失值不可以占
前言运用pandas库对所得到的数据进行数据清洗,复习一下相关的知识。1数据清洗1.1处理缺失数据对于数值型数据,分为缺失值(NAN)和非缺失值,对于缺失值的检
pd.DataFrame中通常含有许多特征,有时候需要对每个含有缺失值的列,都用均值进行填充,代码实现可以这样:forcolumninlist(df.colum
Pandas使用这些函数处理缺失值:isnull和notnull:检测是否是空值,可用于df和seriesdropna:丢弃、删除缺失值axis:删除行还是列,