python

超轻量级php框架startmvc

数据清洗--DataFrame中的空值处理方法

更新时间:2020-06-09 07:42:01 作者:startmvc
数据清洗是一项复杂且繁琐的工作,同时也是整个数据分析过程中最为重要的环节。在python

数据清洗是一项复杂且繁琐的工作,同时也是整个数据分析过程中最为重要的环节。

在python中空值被显示为NaN。首先,我们要构造一个包含NaN的DataFrame对象。


>>> import numpy as np
>>> import pandas as pd
>>> from pandas import Series,DataFrame
>>> from numpy import nan as NaN
>>> data = DataFrame([[12,'man','13865626962'],[19,'woman',NaN],[17,NaN,NaN],[NaN,NaN,NaN]],columns=['age','sex','phone'])
>>> data
 age sex phone
0 12.0 man 13865626962
1 19.0 woman NaN
2 17.0 NaN NaN
3 NaN NaN NaN

删除NaN

删除NaN所在的行

删除表中全部为NaN的行


>>> data.dropna(axis=0, how='all')
 age sex phone
0 12.0 man 13865626962
1 19.0 woman NaN
2 17.0 NaN NaN

删除表中任何含有NaN的行


>>> data.dropna(axis=0, how='any')
 age sex phone
0 12.0 man 13865626962

删除NaN所在的列

删除表中全部为NaN的列


>>> data.dropna(axis=1, how='all')
 age sex phone
0 12.0 man 13865626962
1 19.0 woman NaN
2 17.0 NaN NaN
3 NaN NaN NaN

删除表中任何含有NaN的列


>>> data.dropna(axis=1, how='any')
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3]

注意:axis 就是”轴,数轴“的意思,对应多维数组里的”维“。此处作者的例子是二维数组,所以,axis的值对应表示:0轴(行),1轴(列)。

填充NaN

如果不想过滤(去除)数据,我们可以选择使用fillna()方法填充NaN,这里,作者使用数值'0'替代NaN,来填充DataFrame。


>>> data.fillna(0)
 age sex phone
0 12.0 man 13865626962
1 19.0 woman 0
2 17.0 0 0
3 0.0 0 0

我们还可以通过字典来填充,以实现对不同的列填充不同的值。


>>> data.fillna({'sex':233,'phone':666})
 age sex phone
0 12.0 man 13865626962
1 19.0 woman 666
2 17.0 233 666
3 NaN 233 666

以上这篇数据清洗--DataFrame中的空值处理方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。

数据清洗 DataFrame