数据分析项目实战一【缺失值和异常值的处理】

本文介绍了如何使用Python处理数据分析项目中的缺失值和异常值。首先,通过导入相关Python包并读取数据,然后检查数据的缺失情况。接着,利用条形图展示缺失数据,并探讨了不同填充方法,如使用前一个值、后一个值、平均值进行填充。详细讲解了`np.mean()`函数用于计算均值,并演示了在数据集中应用。此外,还讨论了使用`df.interpolate()`进行线性插值填充,以及`df.replace()`函数。最后,介绍了删除缺失值的策略,包括删除全为NaN的行、存在NaN的行以及同时存在NaN的行和列。
摘要由CSDN通过智能技术生成

1.导入相关python包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#导入缺失数值图像展示的包
import missingno as msno

2.读取数据

data=pd.read_csv(r'H:\阿里云\泰坦尼克号\train.csv')
data_test=pd.read_csv(r'H:\阿里云\泰坦尼克号\test.csv')

在这里插入图片描述
在这里插入图片描述
3.#查看训练数据的缺失数据

msno.matrix(data)

在这里插入图片描述

msno.matrix(data,labels=True)#True显示坐标题 False不显示做标题

在这里插入图片描述
4.#条形图

msno.bar(data)

在这里插入图片描述
#查看测试数据

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值