学习笔记(08):Python数据清洗实战-缺失值处理

立即学习:https://edu.csdn.net/course/play/26990/361134?utm_source=blogtoedu

2、缺失值的处理

df.age.fillna(df.age.mean())

df.fillna(20)

df.apply(lambda x: sum(x,isnull())/len(x),axis = 0) #每一列缺失值的占比情况

df.dropna()#每一行中如果有缺失值就删除

df.dropna(how ='all',axis = 0)#每一行中如果全部是缺失值就删除

df.dropna(how='any', subset = ['Condition', 'Price'])#两个变量中有任意一个缺失就删除

df,fillna(0)#只要是缺失，就用0填补

df.Mileage.fillna(df.Mileage.mean(),inplace = True)#针对某个变量，用其均值填补

df[df['Exte_Color'].isnull()]#找到该变量下的空值

df.filllna(value = {'Exte_Color'：‘Black','Mileage':65465},inpace = True)

df['Exte_Color'].fillna(method = 'ffill')#前向填补

df['Exte_Color'].fillna(method = 'bfill')#后向填补