【学习打卡】Pandas第六章：缺失数据

最新推荐文章于 2024-05-02 13:23:17 发布

VIP文章 m0_46704533

最新推荐文章于 2024-05-02 13:23:17 发布

阅读量409

点赞数

文章标签：数据分析

本文链接：https://blog.csdn.net/m0_46704533/article/details/106933018

版权

导入数据

import pandas as pd
import numpy as np
df = pd.read_csv('data/table_missing.csv')
df,head()

在这里插入图片描述

一、缺失观测及其类型

判断Series是否为空：

df['Physics'].isna().head()
# 或者
df['Physics'].notna().head()

在这里插入图片描述

判断DataFrame缺失值：

df.isna().head()

在这里插入图片描述
判断DataFrame每一列有多少缺失值

df.isna().sum()

在这里插入图片描述
除此之外还可以用info函数查看缺失信息

df.info()

在这里插入图片描述

以最后一列为例，挑出该列缺失值的行

df[df['Physics'].isna()]

在这里插入图片描述

使用all就是全部非缺失值，如果是any就是至少有一个不是缺失值。

df[df.notna().all(1)]

在这里插入图片描述

缺失符号	np.nan	None	np.NaT
类型	float64	Nonetype	pandas._libs.tslibs.nattype.NaTType
equal的时候是否会包括在内	不包括	包括	不包括
某列出现该值的类型	1.数值型，布尔型统一转换为float64；2.字符型统一转换为O（object类型）	1.None传入数值型自动变换为np.nan;None传入时间型变量自动变换为np.NaT；2.None传入布尔类型，不改变原布尔列表；3.None传入字符型为NoneType	时间型变量类型不改变

使用加法时，缺失值为0；
使用乘法时，缺失值为1；
使用累计函数时，缺失值自动略过。

df_g = pd.DataFrame

关注