**一、缺失值的統計和刪除
缺失資訊的統計**
資料處理中經常需要根據缺失值的大小、比例或其他特徵來進行行樣本或列特徵的刪除，pandas中提供了dropna函式來進行操作。
dropna的主要引數為軸方向axis（預設為0，即刪除行）、刪除方式how、刪除的非缺失值個數閾值thresh（ 非 缺 失 值 \color 非缺失值沒有達到這個數量的相應維度會被刪除）、備選的刪除子集subset，其中how主要有any和all兩種引數可以選擇。
例如，刪除身高體重至少有乙個缺失的行：
**二、缺失值的填充和插值
1. 利用fillna進行填充
在fillna中有三個引數是常用的：value, method, limit。其中，value為填充值，可以是標量，也可以是索引到元素的字典對映；method為填充方法，有用前面的元素填充ffill和用後面的元素填充bfill兩種型別，limit引數表示連續缺失值的最大填充次數。
ex2：用回歸模型解決分類問題
有色點的特徵資料提供如下：
knn是一種監督式學習模型，既可以解決回歸問題，又可以解決分類問題。對於分類變數，利用knn分類模型可以實現其缺失值的插補，思路是度量缺失樣本的特徵與所有其他樣本特徵的距離，當給定了模型引數n_neighbors=n時，計算離該樣本距離最近的 n n n個樣本點中最多的那個類別，並把這個類別作為該樣本的缺失**類別，具體如下圖所示，未知的類別被**為黃色
在想如果用「weight」來替代
這裡思路斷片了 還要去研究研究。。。
Pandas 缺失資料
一.處理缺失資料 二.濾除缺失資料 三.填充缺失資料 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的容忍度 fillna用指定值或插值方法 如 ffill 或 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時預設...
pandas 缺失資料
檢視缺失的比例 全部缺失 df sub set.isna any 1 head 至少有乙個缺失 沒有缺失 資料處理中經常需要根據缺失值的大小 比例或其他特徵來進行行樣本或列特徵的刪除，pandas中提供了dropna函式來進行操作。dropna的主要引數為軸方向axis 預設為0，即刪除行 刪除方式...
Pandas 處理缺失資料
import numpy as np import pandas as pd from pandas import series,dataframes series a b np.nan,c d pd.isnull s 0 false 1 false 2 true 3 false 4 false d...