python出现nan怎么解决_如何解决pythonnan？

多数据不可避免的会遗失掉，或者采集的时候采集对象不愿意透露，这就造成了很多NaN(Not a Number)的出现。这些NaN会造成大部分模型运行出错，所以对NaN的处理很有必要。解决方法：1、简单粗暴地去掉1)有如下dataframe，先用df.isnull().sum()检查下哪一列有多少



不可避免地会丢失很多数据，或者收集对象在收集数据时不愿意透露它，从而导致出现大量的NaN(非数字)。 这些NaN将导致大多数模型运行错误，因此有必要处理NaN。

解决方案：

1，简单而又无礼地删除

1)有以下数据框，首先使用df.isnull() 。 sum()检查哪一列有多少个NaN：

将熊猫作为pd

df = pd.DataFrame({'a'：[None，1,2 ，3]，'b'：[4，None，None，6]，'c'：[1,2,1,2]，'d'：[7,7,9,2]})

print(df)

print(df.isnull()。sum())

输出：

p1.jpg

2)删除包含NaN的列：

data_without_NaN = df.dropna(axis = 1)

[ k0]

python课程免费试用预约

region：

北京

天津

上海

江苏

浙江

山东

江西

安徽

广东

广西

海南

辽宁

吉林

黑龙江

内蒙古

山西

福建

河南

河北

湖南

湖北

四川

重庆

云南

贵州

新疆

西藏

陕西

青海

宁夏

甘肃

名称：

移动电话：

提交

打印(data_without_NaN)

2，缺失值插值方法

在许多情况下，直接删除列会丢失很多有价值的数据，这不利于 模型训练。

因此，您可以考虑将NaN替换为某些数字。 显然，您不能随便更换它们。 有些人喜欢将其替换为0，并且它们往往是多余的。

例如，调查工资收入与教育水平之间的关系，有些人不想透露工资水平，但是如果将这些NaN设置为0，则显然会失真。 因此，Python具有插补方法。 代码如下：来自sklearn.preprocessing import的

Imputer

my_imputer = Imputer()

data_imputed = my_imputer.fit_transform( df)

print(type(data_imputed))

＃数组转换为df

df_data_imputed = pd.DataFrame(data_imputed，columns = df。列)

打印(df_data_imputed)