Python缺失值如何处理

这篇文章主要介绍了Python缺失值如何处理的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python缺失值如何处理文章都会有所收获，下面我们一起来看看吧。

先构建一个含有缺失值的DataFrame，如下：

import pandas as pdimport numpy as npdata = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])print(data)

看出来了吗？np.nan就是NAN值，空值的意思。

在numpy中有一个函数可以用来查看空值，不对，是两个，isnull()和isna()这两函数。

我们分别来试试它们的效果：

import pandas as pdimport numpy as npdata = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])data.isnull()data.isna()

可以看出，这两函数的作用就是判断数据是不是空值，如果是，就返回true，不是就是false。

通常，对空值的处理有两种方法，一种就是把空值删除，另外一种就是把它填上，我们先说第一种，删除空值，我们可以dropna()这一函数来把空值删除。要注意，它会把含有空值的整行都删掉。例如：

import pandas as pdimport numpy as npdata = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])data.dropna()

上面的例子用了drop函数后，啥都没啦！

我们可以设置当每行空值多余2个时再删除（低于2个保留），这时候要用到dropna()的参数thresh。

补充空值的话有挺多的方法，有用均值补充，中位数补充等，我们要用到fillna()这一函数。例如，我们用均值来填充上文中的data,

代码如下：

import pandas as pdimport numpy as npdata = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])data.fillna(data.mean())

代码运行的结果如下，可以看到空值都被对应列的均值所填充。

关于"Python缺失值如何处理"这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对"Python缺失值如何处理"知识都有一定的了解，大家如果还想学习更多知识，欢迎关注行业资讯频道。