pandas检查和填充缺失值的N种方法总结

软件发布|下载排行|最新软件

当前位置:首页IT学院IT技术

pandas检查和填充缺失值的N种方法总结

爱挠静香的下巴   2023-02-03 我要评论

一、构建示例数据

import pandas as pd
import numpy as np
data = {"ID":[202001, 202002, 202003, 202004, 202005, 202006, 202007, 202008, 202009, 202010],
       "Chinese":[98, 67, 84, 88, 78, 90, 93, np.nan, 82, 87],
       "Math":[92, 80, 73, np.nan, 88, 78, 90, 82, 77, 69],
       "English":[88, 79, 90, 73, 79, 83, 81, np.nan, 71, np.nan]
       }
df = pd.DataFrame(data)
df

二、检查缺失值的n种方法

2.1 确认是否有缺失值的两种方法

df.isnull().values.any()

True

df.isnull().sum().any()

True

2.2 查看缺失数目和缺失率

df.isnull().sum()

all_data_na = (df.isnull().sum()/len(df))*100
all_data_na = all_data_na.drop(all_data_na[all_data_na == 0].index).sort_values(ascending=False)
missing_data = pd.DataFrame({'缺失率' : all_data_na})
missing_data

2.3 查看非缺失值数目

df.info()

df.shape[0] - df.isnull().sum()

df.notnull().sum()

三、缺失值填充三种示例

# 用上下平均值填充English
df['English'] = df['English'].fillna(df['English'].interpolate())
df.head(10)

# 用中位数填充value列:
df['Math'] = df['Math'].fillna(df['Math'].median())
df.head(10)

# 用-1填充Chinese列:
df['Chinese'] = df['Chinese'].fillna(-1)
df.head(10)

 到此这篇关于pandas检查和填充缺失值的N种方法总结的文章就介绍到这了,更多相关pandas检查和填充缺失值内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!

Copyright 2022 版权所有 软件发布 访问手机版

声明:所有软件和文章来自软件开发商或者作者 如有异议 请与本站联系 联系我们