Pandas缺失值2种处理方式代码实例

时间:2021-05-22

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。

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。

相关文章