pandas小笔记——去除数据中的NaN值
Pandas 会为缺少的值分配 NaN 值。我们可以选择对这些NaN值对应的行列进行删除,也可以选择填充。删除NaN值data.dropna(how = ‘all’)# 传入这个参数后将只丢弃全为缺失值的那些行data.dropna(axis = 1)# 丢弃有缺失值的列data.dropna(axis=1,how=“all”)# 丢弃全为缺失值的那些列data.dropna(axis=0,sub
文章共430字 · 阅读需要大约2分钟
一键AI生成摘要,助你高效阅读
问答
·
Pandas 会为缺少的值分配 NaN 值。我们可以选择对这些NaN值对应的行列进行删除,也可以选择填充。
删除NaN值
- data.dropna(how = ‘all’) # 传入这个参数后将只丢弃全为缺失值的那些行
- data.dropna(axis = 1) # 丢弃有缺失值的列
- data.dropna(axis=1,how=“all”) # 丢弃全为缺失值的那些列
- data.dropna(axis=0,subset = [“Age”, “Sex”]) # 丢弃‘Age’和‘Sex’这两列中有缺失值的行
默认是原始DataFrame不会改变。你始终可以在 dropna() 方法中将关键字 inplace 设为 True,就可以改变原始的data。
填充NaN值
使用data.isnull()方法返回一个大小和data一样的布尔型 DataFrame,并用 True 表示具有 NaN 值的元素,用 False 表示非 NaN 值的元素。
- data.fillna(method = ‘ffill’, axis = 0) # 将通过前向填充 (ffill) 方法用同一列的前一个数作为填充
- data.fillna(method = ‘ffill’, axis = 1) # 将通过前向填充 (ffill) 方法用同一行的前一个数作为填充
- data.fillna(method = ‘backfill’, axis = 0) # 将通过前向填充 (ffill) 方法用同一列的后一个数作为填充
- data.fillna(method = ‘backfill’, axis = 1) # 将通过前向填充 (ffill) 方法用同一行的后一个数作为填充
- data.interpolate(method = ‘linear’, axis = 0) # 将通过 linear 插值使用同一列的中间值作为填充
- data.interpolate(method = ‘linear’, axis = 1) # 将通过 linear 插值使用同一行的中间值作为填充
参考链接
- https://www.jb51.net/article/163872.htm
更多推荐
已为社区贡献4条内容
所有评论(0)