numpy pandas基础知识笔记8.pandas处理丢失数据

最新推荐文章于 2021-07-30 08:36:25 发布

Linsanity2021

最新推荐文章于 2021-07-30 08:36:25 发布

阅读量83

点赞数

分类专栏： numpy与pandas基础文章标签： pandas

本文链接：https://blog.csdn.net/qq_42038061/article/details/116719887

版权

numpy与pandas基础专栏收录该内容

12 篇文章 0 订阅

订阅专栏

np.nan设置为丢失的数据

例：

import pandas as pd
import numpy as np
dates = pd.date_range('20210101',periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index = dates,columns = ['a','b','c','d'])
df.iloc[0,1] = np.nan
df.iloc[1,2] = np.nan
print(df)

输出：

a b c d
2021-01-01 0 NaN 2.0 3
2021-01-02 4 5.0 NaN 7
2021-01-03 8 9.0 10.0 11
2021-01-04 12 13.0 14.0 15
2021-01-05 16 17.0 18.0 19
2021-01-06 20 21.0 22.0 23

处理方法：df.dropna

例：

print(df.dropna(axis=0,how='any'))#any是任何nan都丢掉，all是全部是nan才丢掉

输出：

a b c d
2021-01-03 8 9.0 10.0 11
2021-01-04 12 13.0 14.0 15
2021-01-05 16 17.0 18.0 19
2021-01-06 20 21.0 22.0 23

填充：fillna

例：

print(df.fillna(value=0))

输出：

a b c d
2021-01-01 0 0.0 2.0 3
2021-01-02 4 5.0 0.0 7
2021-01-03 8 9.0 10.0 11
2021-01-04 12 13.0 14.0 15
2021-01-05 16 17.0 18.0 19
2021-01-06 20 21.0 22.0 23

isnull判断是否为丢失数据

例：

print(df.isnull())

输出：

a b c d
2021-01-01 False True False False
2021-01-02 False False True False
2021-01-03 False False False False
2021-01-04 False False False False
2021-01-05 False False False False
2021-01-06 False False False False

判断所有的数据中是否至少有一个丢失

例：

print(np.any(df.isnull()))

输出：

True