def missing_delete_var(df, threshold=None):
"""
df:数据集
threshold:缺失率删除的阈值
return :删除缺失后的数据集
"""
df2 = df.copy()
missing_df = missing_cal(df)
missing_col_num = missing_df[missing_df.missing_pct >= threshold].shape[0]
missing_col = list(missing_df[missing_df.missing_pct >= threshold].col)
df2 = df2.drop(missing_col, axis=1)
return df2
def missing_delete_user(df, threshold=None):
"""
df:数据集
threshold:缺失个数删除的阈值
return :删除缺失后的数据集
"""
df2 = df.copy()
missing_series = df.isnull().sum(axis=1)
missing_list = list(missing_series)
missing_index_list = []
for i, j in enumerate(missing_list):
if j >= threshold:
missing_index_list.append(i)
df2 = df2[~(df2.index
【数据处理】python数据清洗通用手法:缺失值处理
最新推荐文章于 2022-08-11 08:53:07 发布
这篇博客主要针对对数据分析、机器学习感兴趣的读者,介绍了Python进行数据清洗时处理缺失值的通用方法。作者鼓励读者添加微信获取学习资料,并提到了相关社群如机器学习风控、反欺诈和Python学习交流群,以便大家相互学习和共同进步。
摘要由CSDN通过智能技术生成