pandas - 缺失值处理

学习目标

• 说明Pandas的缺失值类型
• 应用replace实现数据的替换
• 应用dropna实现缺失值的删除
• 应用fillna实现缺失值的填充
• 应用isnull判断是否有缺失数据NaN
• 应用：对电影数据进行缺失值处理

1 电影数据文件获取

# 读取电影数据
movie = pd.read_csv("./data.csv")

2 缺失值的处理逻辑

对于NaN的数据，在pandas中我们处理起来非常容易

• 判断数据是否为NaN：pd.isnull(df)，pd.notnull(df)

处理方式：

• 存在缺失值nan，并且是np.nan：
  • 1、删除存在缺失值的:dropna(axis='rows')
  • 2、替换缺失值:fillna(df[].mean(), inplace=True)
• 不是缺失值nan，有默认标记的

3 存在缺失值nan，并且是np.nan

• 删除

# pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan
movie.dropna()

• 替换缺失值

# 替换存在缺失值的样本
# 替换？  填充平均值，中位数
movie['Revenue (Millions)'].fillna(movie['Revenue (Millions)'].mean(), inplace=True)

movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True)

4 不是缺失值nan，有默认标记的

数据是这样的：

wis = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data")

处理思路分析：

• 先替换‘?’为np.nan

df.replace(to_replace=, value=)

• 在进行缺失值的处理

# 把一些其它值标记的缺失值，替换成np.nan
wis = wis.replace(to_replace='?', value=np.nan)

wis.dropna()