Pandas 處理缺失資料

import numpy as np

import pandas as pd
from pandas import series,dataframe

s = series(['a','b',np.nan,'c','d'])

pd.isnull(s)

0    false

1    false
2     true
3    false
4    false
dtype: bool

s = series(['a','b',none,'c','d'])

pd.isnull(s)

0    false

1    false
2     true
3    false
4    false
dtype: bool

s.dropna()

0    a

1    b
3    c
4    d
dtype: object

s[pd.notnull(s)]

0    a

1    b
3    c
4    d
dtype: object

df = dataframe([[1,3,5,7],

[2,4,np.nan,8],
[np.nan,np.nan,np.nan,np.nan],
[1,1,np.nan,np.nan]])

print(df.dropna())

0    1    2    3

0  1.0  3.0  5.0  7.0

print(df.dropna(axis=1))

empty dataframe

columns: 
index: [0, 1, 2, 3]

print(df.dropna(how='all'))

0    1    2    3

0  1.0  3.0  5.0  7.0
1  2.0  4.0  nan  8.0
3  1.0  1.0  nan  nan

print(df.dropna(thresh=3))

0    1    2    3

0  1.0  3.0  5.0  7.0
1  2.0  4.0  nan  8.0

print(df.fillna(0))

0    1    2    3

0  1.0  3.0  5.0  7.0
1  2.0  4.0  0.0  8.0
2  0.0  0.0  0.0  0.0
3  1.0  1.0  0.0  0.0

print(df.fillna()) #第3列填充-1，第2列填充100

0    1      2    3

0  1.0  3.0    5.0  7.0
1  2.0  4.0  100.0  8.0
2  nan  nan  100.0 -1.0
3  1.0  1.0  100.0 -1.0

print(df.fillna(method='ffill'))

0    1    2    3

0  1.0  3.0  5.0  7.0
1  2.0  4.0  5.0  8.0
2  2.0  4.0  5.0  8.0
3  1.0  1.0  5.0  8.0

df.fillna(0,inplace=true)

print(df)

0    1    2    3

0  1.0  3.0  5.0  7.0
1  2.0  4.0  0.0  8.0
2  0.0  0.0  0.0  0.0
3  1.0  1.0  0.0  0.0

pandas處理缺失資料

na處理方法 方法 說明 dropna 根據各標籤的值中是否存在缺失資料對軸標籤進行過濾，可通過閾值調節對缺失值得容忍度 fillna 用指定值或插值方法 如ffill和bfill 填充缺失資料 isnull 返回乙個含有布林值的物件，這些布林值表示哪些值是缺失值na,該物件的型別與源型別一樣 no...

pandas處理，填充缺失資料

1 pandas使用浮點值nan表示浮點和非浮點陣列的缺失資料 對於乙個series可以用dropna方法或者通過布林型索引達到目的 2 對於dataframe丟棄全na 丟棄全為na的那些行 丟棄全為na的那些列 利用thresh,留下一部分觀測資料 thresh 3,表示在行方向上至少有3個非n...

Pandas中資料的缺失處理

在pandas資料處理中，資料值缺失是經常面臨的問題。如何查詢 處理缺失值就成了資料處理的必備方法。一 缺失值型別 pandas中缺失值主要有三種符號 np.nan none和nat。np.nan是缺失值的一種符號，nan意為not a number。它不等於任何東西，包括它本身。其次，在使用equ...