运营数据缺失值处理样例

import pandas as pd
import numpy as np
from sklearn.preprocessing import Imputer

df=pd.DataFrame(np.random.rand(6,4),columns=["col1","col2","col3","col4"])
df.iloc[1:2,1]=np.nan
df.iloc[4,3]=np.nan
print(df)
nan_all=df.isnull()
#print(nan_all)
nan_col1=df.isnull().any()#含NA列
nan_col2=df.isnull().all()#全为NA列
# print(nan_col1)
# print(nan_col2)

df2=df.dropna()#丢弃含NA列
print(df2)
#sklearn处理缺失值
nan_model=Imputer(missing_values="NaN", strategy="mean",
                 axis=0,)#构建填充规则
nan_result=nan_model.fit_transform(df)#应用模型规则
print(nan_result)

#pandas处理缺失值
nan_result_col1=df.fillna(method="backfill")
print(nan_result_col1)

 

---------------------------

通常策略用均值 中位数  众数 填充

 

关于Imputer 的 strategy参数  有如下参考

mean 均值  

median 中值

most_frequent 众数

详情见源码

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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