pandas中NaN缺失值的处理方法

本文主要介绍了pandas中NaN缺失值的处理方法，主要有两种方法，具体如下：

import pandas as pd缺失值处理

两种方法:

先判断数据中是否存在NaN,通过下面两个方法中任意一个

pd.isnull(dataframe)# dataframe为数据如果数据中存在NaN返回True,如果没有就返回Falsepd.notnull(dataframe)该方法与isnull相反any() 和 all()'''pd.isnull(dataframe).any()判断哪一个字段中存在缺失值没有就返回Falsepd.notnull(dataframe).all()判断哪一个字段中存在缺失值没有就返回True'''

使用numpy也可以进行判断

import numpy as npnp.any(pd.isnull(dataframe)) # 如果返回True,说明数据中存在缺失值np.all(pd.notnull(dataframe)) # 如果返回False, 说明数据中存在缺失值

然后进行数据处理

方式一: 删除空值行

dataframe.dropna(inplace=False)'''dropna() 是删除空值数据的方法, 默认将只要含有NaN的整行数据删除, 如果想要删除整行都是空值的数据需要添加how=’all’参数默认是删除整行, 如果对列做删除操作, 需要添加axis参数, axis=1表示删除列, axis=0表示删除行inplace: 是否在当前的dataframe中执行此操作,True表示在原来的基础上修改,False表示返回一个新的值, 不修改原有数据'''

方式二: 替换/插补

dataframe.fillna(’替换的值value’,inplace=False)’’’把替换NaN的值传入到fillna()中’’’缺失值NaN有默认标记的值

比如有的空值不是NaN, 有的是一个’?’

先替换使用numpy把'?'替换为NaN

import numpy as np# 替换dataframe.replace(to_replace='?', value=np.nan)

把其他的缺失值换为NaN后, 然后就按照缺失值为NaN的方式就行操作

如果只是单独的删除数据可以使用drop()方法

DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)’’’代码解释:labels : 就是要删除的行列的名字,用列表指定index : 直接指定要删除的行columns : 直接指定要删除的列inplace=False : 表示返回一个新的值, 不修改原有数据inplace=True : 表示在原来的基础上修改’’’

例:

import pandas as pddf = pd.read_csv(’/text.xlsx’)# 删除第0行和第1行df.drop(labels=[0,1],axis=0)# 删除列名为 age 的列df.drop(axis=1,columns=age)

到此这篇关于pandas中NaN缺失值的处理方法的文章就介绍到这了,更多相关pandas NaN缺失值内容请搜索好吧啦网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好吧啦网！