pandas中NaN缺失值的解决方法

这篇文章主要介绍了pandas中NaN缺失值的解决方法，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

本文主要介绍了pandas中NaN缺失值的处理方法，主要有两种方法，具体如下：

import pandas as pd

缺失值处理

两种方法:

• 删除含有缺失值的样本

• 替换/插补

处理缺失值为NaN

先判断数据中是否存在NaN,通过下面两个方法中任意一个

pd.isnull(dataframe)# dataframe为数据如果数据中存在NaN返回True,如果没有就返回Falsepd.notnull(dataframe)该方法与isnull相反any()  和 all()"""pd.isnull(dataframe).any()判断哪一个字段中存在缺失值没有就返回Falsepd.notnull(dataframe).all()判断哪一个字段中存在缺失值没有就返回True"""

使用numpy也可以进行判断

import numpy as npnp.any(pd.isnull(dataframe)) # 如果返回True,说明数据中存在缺失值np.all(pd.notnull(dataframe)) # 如果返回False, 说明数据中存在缺失值

然后进行数据处理

方式一: 删除空值行

dataframe.dropna(inplace=False)"""dropna() 是删除空值数据的方法, 默认将只要含有NaN的整行数据删除, 如果想要删除整行都是空值的数据需要添加how='all'参数默认是删除整行, 如果对列做删除操作, 需要添加axis参数, axis=1表示删除列, axis=0表示删除行inplace: 是否在当前的dataframe中执行此操作,True表示在原来的基础上修改,False表示返回一个新的值, 不修改原有数据"""

方式二: 替换/插补

dataframe.fillna('替换的值value',inplace=False)'''把替换NaN的值传入到fillna()中'''

缺失值NaN有默认标记的值

比如有的空值不是NaN, 有的是一个'?'

先替换
使用numpy把"?"替换为NaN

import numpy as np# 替换dataframe.replace(to_replace="?", value=np.nan)

把其他的缺失值换为NaN后, 然后就按照缺失值为NaN的方式就行操作

删除数据

如果只是单独的删除数据可以使用drop()方法

DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)'''代码解释:labels : 就是要删除的行列的名字,用列表指定index : 直接指定要删除的行columns : 直接指定要删除的列inplace=False : 表示返回一个新的值, 不修改原有数据inplace=True : 表示在原来的基础上修改'''

例:

import pandas as pddf = pd.read_csv('/text.xlsx')# 删除第0行和第1行df.drop(labels=[0,1],axis=0)# 删除列名为 age 的列df.drop(axis=1,columns=age)

感谢你能够认真阅读完这篇文章，希望小编分享的"pandas中NaN缺失值的解决方法"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!