缺失值处理
缺失值是怎么来的?
- 调查问卷:女性的美容方面的问题
name:
age: 不愿意透露年龄(收集不到,空值)
phone: 不愿意透露年龄
xx:
yy: - 它对数据分析有什么影响?
影响分析准确性
如何处理nan
对于NaN的数据,在numpy中我们是如何处理的?在pandas中我们处理起来非常容易
- 判断数据是否为NaN:
pd.isnull(df)
pd.notnull(df)
处理方式:
- 存在缺失值nan,并且是np.nan:
1、删除存在缺失值的:dropna(axis='rows')
注:不会修改原数据,需要接受返回值
2、替换缺失值:fillna(value, inplace=True)
value:替换成的值
inplace:True:会修改原数据,False:不替换修改原数据,生成新的对象
不是缺失值nan,有默认标记的
电影数据的缺失值处理
- 电影数据文件获取
链接: