缺失值的處理

#缺失值的處理

from pandas import series

import numpy as np

stringser=series(['a','b',np.nan,'d','e'])

#isnull 顯示空值

stringser.isnull()

#notnull 顯示非空值

stringser.notnull()

stringser[stringser.notnull()] #刪除空值

stringser.dropna() #刪除空值

from pandas import dataframe

df=dataframe([[1.4,np.nan],[7.5,-4.5],[np.nan,np.nan],[0.75,-1.3]],index=['a','b','c','d'],columns=['one','two'])

df.dropna() #刪除空值

df.dropna(how='all') #刪除都為空值

df.fillna(0) #給空值填充0

df.fillna() #給one列填充0，給two列填充-1

df.fillna(df.mean()) #按均值填充

缺失值處理

pandas使用nan not a number 表示浮點和非浮點陣列中的缺失資料，python內建的none值也會被當做na處理，pandas物件上的所有描述統計都排除了缺失資料。na處理方法 方法 說明dropna 根據各標籤的值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 ...

缺失值處理

之前寫過一篇文章缺失值視覺化處理 missingno 主要介紹了缺失值的檢視，今天聊一下，出現了缺失值後我們要做的後續工作，就是缺失值的處理。首先附上幾個 data資料集 data.isnull 缺失值判斷 是缺失值返回true，否則範圍false data.isnull sum 缺失值計算 返回每...

缺失值處理

資料清洗主要是刪除原始資料集中的無關資料 重複資料，平滑雜訊資料，去除與資料探勘主題無關的資料，處理缺失值 異常值等 缺失主要為完全隨機缺失，隨機缺失和非隨機缺失 資料的缺失是隨機的，資料的缺失不依賴於任何不完全變數或完全變數。資料的缺失不是完全隨機的，即該類資料的缺失依賴於其他完全變數。資料的缺失...