（14）pandas缺失值的处理

内容：

·nan？

·优化None

·过滤nan

·填充nan

# pandas里面的空值是一个浮点类型，而python里面的空值，是一个对象类型
# 导包
import pandas as pd
import numpy as np
from pandas import Series, DataFrame

【nan】

pandas里面的空值是一个浮点类型，而python里面的空值，是一个对象类型

# nan不能参与运算，不是一个数值，只是一个展示符号
# 创建一个nan：
print(type(np.nan))
print(np.nan)
# 强制类型统一numpy
print()

运行结果：

 【优化nan】

pandas的所有对象，都会将python中原有的None，优化成NaN

给pandas对象的某一个元素赋值为None，解释器会自动将其优化为NaN。

# pandas的所有对象，都会将python中原有的None，优化成NaN
# Series数组：
ser = Series(data=np.random.randint(0, 100, size=4), index=list("ABCD"))
print(ser)
# 给Series数组中某个数赋值为None，pandas对象会将None自动优化为NaN：
ser.loc["A"] = None
print(ser)

运行结果：

 调用DataFrame的“.dtypes”方法，可以查看每一列元素的类型。

# DataFrame数组：
df = DataFrame(data=np.random.randint(0, 100, size=(3, 3)), columns=list("abc"), index=list("123"))
print(df)
# .dtypes函数可以查看每一列的数据元素类型：
print("在赋值之前，df数组中每一列元素的类型为：\n", df.dtypes)
df.loc["2", "b"] = None
print("在赋值之后，df数组中每一列元素的类型为：\n", df.dtypes)
print()

运行结果：

 【过滤nan】

过滤函数.dropna()：默认删除nan所在的行

"""过滤函数.dropna()：默认删除行"""
print(df)
print("过滤之后的结果为：\n", df.dropna())
# 对于一个二维表格来讲，它的列方向是字段，行方向是数据
print()

运行结果：

 【填充nan】

（用一个数填充nan）

用一个数替换掉NaN：

在这种填充方式中，会将数组中所有的NaN替换成value传入的参数

注意：此处被填充的数字是10

# 用一个数替换掉NaN：
# 在这种填充方式中，会将数组中所有的NaN替换成value传入的参数
df = df.fillna(value=10)
print("用3填充掉NaN：\n", df)

运行结果：

 （使用每一列的某一个聚合指标对该列的nan进行填充）

使用每一列的某一个聚合指标来对每一列进行填充

原理：一个简单的DataFrame和Series数组的运算问题，在传入参数之后，会进行索引对齐，将NaN替换掉

# 使用每一列的某一个聚合指标来对每一列进行填充
# 原理：一个简单的DataFrame和Series数组的运算问题，在传入参数之后，会进行索引对齐，将NaN替换掉
df.loc["1", "a"] = np.nan
df.loc["2", "c"] = np.nan
df.loc["3", "b"] = np.nan
print(df)
print("每一列的均值为：\n", df.mean(),
      "\n用每一列的均值，去填充该列的NaN：\n", df.fillna(value=df.mean()))

运行结果：

 (axis=0/1，填充)

对于DataFrame数组，

axis=0：index/列

axis=1：columns/行

当axis=0时，在填充时会将表格按列看，每一列依次去填充

当axis=1时，在填充时会将表格按行看，每一行依次去填充

# 将NaN填充为其之前的值
print(df.fillna(axis=0, method='ffill'))
print(df.fillna(axis=1, method='ffill'))

运行结果：

【练习】

columns = ["语文", "数学", "英语", "科学"]
index = ["张三", "李四"]
every_grade = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=index, columns=columns)
print(every_grade)
print()
every_grade.loc["张三", "英语"] = np.nan
print(every_grade)
# 用数学成绩作为英语成绩，将nan填充
print(every_grade.fillna(axis=1, method="ffill"))

运行结果：