缺失值处理方法,包括 dropna()(剔除缺失值)和 fillna()(填充缺失值)。本文介绍如何利用 Pandas 剔除缺失值:
data = pd.Series([1, np.nan, 'hello', None])
data.dropna()
输出结果如下:
0 1
2 hello
dtype: object
而在 DataFrame 上使用它们时需要设置一些参数,例如下面的 DataFrame:
df = pd.DataFrame([[1, np.nan, 2],
[2, 3, 5],
[np.nan, 4, 6]])
print(df)
输出结果如下:
0 1 2
0 1.0 NaN 2
1 2.0 3.0 5
2 NaN 4.0 6
我们没法从 DataFrame 中单独剔除一个值,要么是剔除缺失值所在的整行,要么是整列。根据实际需求,有时需要剔除整行,有时可能是整列,DataFrame 中的 dropna() 会有一些参数可以配置。
默认情况下,dropna() 会剔除任何包含缺失值的整行数据:
df.dropna()
输出结果如下:
0 1 2
1 2.0 3.0 5
可以设置按不同的坐标轴剔除缺失值,比如 axis=1(或 axis=‘columns’)会剔除任何包含缺失值的整列数据:
df.dropna(axis='columns')
输出结果如下:
2
0 2
1 5
2 6
但是这么做也会把非缺失值一并剔除,因为可能有时候只需要剔除全部是缺失值的行或列,或者绝大多数是缺失值的行或列。这些需求可以通过设置 how 或 thresh 参数来满足,它们可以设置剔除行或列缺失值的数量阈值。
默认设置是 how=‘any’,也就是说只要有缺失值就剔除整行或整列(通过 axis 设置坐标轴)。还可以设置 how=‘all’,这样就只会剔除全部是缺失值的行或列了:
df[3] = np.nan
print(df)
输出结果如下:
0 1 2 3
0 1.0 NaN 2 NaN
1 2.0 3.0 5 NaN
2 NaN 4.0 6 NaN
df.dropna(axis='columns', how='all')
输出结果如下:
0 1 2
0 1.0 NaN 2
1 2.0 3.0 5
2 NaN 4.0 6
还可以通过 thresh 参数设置行或列中非缺失值的最小数量,从而实现更加个性化的配置:
In[22]: df.dropna(axis='rows', thresh=3)
输出结果如下:
0 1 2 3
1 2.0 3.0 5 NaN
第 1 行与第 3 行被剔除了,因为它们只包含两个非缺失值。