欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Pandas缺失值2种处理方式代码实例

程序员文章站 2022-06-15 10:11:15
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,...

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。