python pandas缺失值处理_pandas缺失值该怎么处理?

处理方式：

存在缺失值nan,并且是np.nan:

删除存在缺失值的:dropna(axis='rows')

替换缺失值:fillna(df[].mean(), inplace=True)

不是缺失值nan，有默认标记的

1、存在缺失值nan,并且是np.nan

1# 判断数据是否为NaN

2# pd.isnull(df),pd.notnull(df),pd.isna(df)

3

4 # 读取数据

5 movie = pd.read_csv("./date/IMDB-Movie-Data.csv")

6

7 ##第一种 删除

8 # pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan

9 # 删除缺失值为np.nan的所在行

10 movie.dropna()

11

12

13 # 第二种 替换缺失值

14 # 替换存在缺失值的样本

15 # 替换 填充平均值

16 movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True)

17 # 替换 填充自定义值

18 movie['Metascore'].fillna(11, inplace=True)

# 判断数据是否为NaN

# pd.isnull(df),pd.notnull(df),pd.isna(df)

# 读取数据

movie = pd.read_csv("./date/IMDB-Movie-Data.csv")

##第一种 删除

# pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan

# 删除缺失值为np.nan的所在行

movie.dropna()

# 第二种 替换缺失值

# 替换存在缺失值的样本

# 替换 填充平均值

movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True)

# 替换 填充自定义值

movie['Metascore'].fillna(11, inplace=True)

2、不是缺失值nan，有默认标记的

1、先替换默认标记值为np.nan

df.replace(to_replace=, value=)

2、在进行缺失值的处理

# 把一些其它值标记的缺失值，替换成np.nan

mm = moive.replace(to_replace='默认值', value=np.nan)