Pandas 缺失值与空值处理

pandas 缺失值与空值处理

1.相关函数

df.dropna()

df.fillna()

df.isnull()

df.isna()

2.相关概念

空值：在pandas中的空值是""

缺失值：在dataframe中为nan或者naT（缺失时间），在series中为none或者nan即可

3.函数具体解释

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

函数作用：删除含有空值的行或列

axis:维度，axis=0表示index行,axis=1表示columns列，默认为0

how:"all"表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，"any"表示这一行或列中只要有元素缺失，就删除这一行或列

thresh:一行或一列中至少出现了thresh个才删除。

subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列）

inplace：刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改。

例子：

     
     

       
       

        
        

       
       
       
       

        
        

         
         df = pd.DataFrame({
         
         "name": [
         
         'Alfred', 
         
         'Batman', 
         
         'Catwoman'],
        
        
       
       

       
       

        
        

       
       
       
       

        
        
                
         
         "toy": [np.nan, 
         
         'Batmobile', 
         
         'Bullwhip'],
        
        
       
       

       
       

        
        

       
       
       
       

        
        
                  
         
         "born": [pd.NaT, pd.Timestamp(
         
         "1940-04-25"),pd.NaT]})
        
        
       
       

       
       

        
        

       
       
       
       

        
        
 
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df
        
        
       
       
     
     

默认参数：删除行，只要有空值就会删除，不替换。

     
     

       
       

        
        

       
       
       
       

        
        

         
         print df.dropna()
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df
        
        
       
       
     
     

     
     

       
       

        
        

       
       
       
       

        
        

         
         print 
         
         "delete colums"
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df.dropna(axis=
         
         1) 
         
         #delete col
        
        
       
       
     
     

     
     

       
       

        
        

       
       
       
       

        
        

         
         print 
         
         "所有值全为缺失值才删除"
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df.dropna(how=
         
         'all')
        
        
       
       
     
     

     
     

       
       

        
        

       
       
       
       

        
        

         
         print 
         
         "至少出现过两个缺失值才删除"
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df.dropna(thresh=
         
         2)
        
        
       
       
     
     

     
     

       
       

        
        

       
       
       
       

        
        

         
         print 
         
         "删除这个subset中的含有缺失值的行或列"
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df.dropna(subset=[
         
         'name', 
         
         'born'])
        
        
       
       
     
     

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

函数作用：填充缺失值

value:需要用什么值去填充缺失值

axis:确定填充维度，从行开始或是从列开始

method：ffill:用缺失值前面的一个值代替缺失值，如果axis =1，那么就是横向的前面的值替换后面的缺失值，如果axis=0，那么则是上面的值替换下面的缺失值。backfill/bfill，缺失值后面的一个值代替前面的缺失值。注意这个参数不能与value同时出现

limit:确定填充的个数，如果limit=2，则只填充两个缺失值。

示例：

     
     

       
       

        
        

       
       
       
       

        
        

         
         df = pd.DataFrame([[np.nan, 
         
         2, np.nan, 
         
         0],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                           [
         
         3, 
         
         4, np.nan, 
         
         1],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                          [np.nan, np.nan, np.nan, 
         
         5],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                         [np.nan, 
         
         3, np.nan, 
         
         4]],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                          columns=list(
         
         'ABCD'))
        
        
       
       

       
       

        
        

       
       
       
       

        
        
 
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df
        
        
       
       

       
       

        
        

       
       
       
       

        
        
 
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print 
         
         "横向用缺失值前面的值替换缺失值"
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df.fillna(axis=
         
         1,method=
         
         'ffill')
        
        
       
       

       
       

        
        

       
       
       
       

        
        
 
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print 
         
         "纵向用缺失值上面的值替换缺失值"
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df.fillna(axis=
         
         0,method=
         
         'ffill')
        
        
       
       
     
     

print df.fillna(0)
     
     

不同的列用不同的值填充：

对每列出现的替换值有次数限制，此处限制为一次

DataFrame.isna()

判断是不是缺失值：

isnull同上。

替换空值：

     
     

       
       

        
        

       
       
       
       

        
        

         
         df = pd.DataFrame([[np.nan, 
         
         2, np.nan, 
         
         0],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                           [
         
         3, 
         
         4, 
         
         "", 
         
         1],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                          [np.nan, np.nan, np.nan, 
         
         5],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                         [np.nan, 
         
         3, 
         
         "", 
         
         4]],
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
                          columns=list(
         
         'ABCD'))
        
        
       
       

       
       

        
        

       
       
       
       

        
        
 
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df
        
        
       
       
     
     

如上，缺失值是NAN，空值是没有显示。

替换空值代码：需要把含有空值的那一列提出来单独处理，然后在放进去就好。

     
     

       
       

        
        

       
       
       
       

        
        

         
         clean_z = df[
         
         'C'].fillna(
         
         0)
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         clean_z[clean_z==
         
         ''] = 
         
         'hello'
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         df[
         
         'C'] = clean_z
        
        
       
       

       
       

        
        

       
       
       
       

        
        

         
         print df