一、缺失值处理:
1.缺失值处理方法有三类:删除记录、数据插补和不处理。
(1)拉格朗日插补法:
'''拉格朗日插值代码'''
import pandas as pd #导入数据分析库Pandas
from scipy.interpolate import lagrange #导入拉格朗日插值函数
import datetime
import time
import numpy as np
input_path = '../Data_Analysis_and_Mining/chapter4/catering_sale.xls' #销量数据路径
output_path = '../Data_Analysis_and_Mining/chapter4/tmp/sale.xls' #输出数据路径
data = pd.read_excel(input_path) #读入数据
data = data.copy()
data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None #过滤异常值,将其变为空值
#自定义列向量插值函数
#s为列向量,n为被插值的位置,k为取前后的数据个数,默认为5
def ployinterp_column(s, n, k=5):
position_list=list(range(n-k, n)) + list(range(n+1, n+1+k))
y = s.reindex(position_list) #取数
y = y[y.notnull()] #剔除空值
return lagrange(y.index,list(y))(n) #插值并返回插值结果
#逐个元素判断是否需要插值
for i in data.columns:
if i==u'日期':
continue
for j in range(len(data)):
if (data[i].isnull())[j]: #如果为空即插值。
data[i][j] = ployinterp_column(data[i], j)
data.to_excel(output_path) #输出结果,写入文件
运行此代码出现:SettingWithCopyWarning警告
出现原因:官方的解释是,pandas这