数据清洗--DataFrame中的空值处理方法
更新时间：2018年07月03日 10:13:42 作者：软件大盗
今天小编就为大家分享一篇数据清洗--DataFrame中的空值处理方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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。
相关文章
shutil可以简单地理解为sh+util ，shell工具的意思。shutil模块是对os模块的补充，主要针对文件的拷贝、删除、移动、压缩和解压操作。本文将利用这一模块实现文件的裁剪、压缩与解压缩，需要的可以参考一下2022-05-05
这篇文章主要介绍了python写个俄罗斯方块，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2020-11-11
这篇文章主要介绍了python爬虫解决验证码的思路及示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
这篇文章主要介绍了基于PyQt5完成的PDF拆分功能,本文介绍的pdf拆分功能还有一些待完善地方，例如可增加预览功能，实现每页预览，以及如何实现多条件拆分，需要的朋友可以参考下2022-06-06
基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解
下面小编就为大家带来一篇基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-10-10
这篇文章主要介绍了在Python中如何利用Into包整洁地进行数据迁移，在数据格式的任意两个格式之间高效地迁移数据，需要的朋友可以参考下2015-03-03
这篇文章主要介绍了Tensorflow全局设置可见GPU编号操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
今天小编就为大家分享一篇python实现在多维数组中挑选符合条件的全部元素，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
这篇文章主要介绍了Python 为什么推荐蛇形命名法，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-06-06
今天小编就为大家分享一篇python 实现矩阵填充0的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
最新评论