pandas学习笔记02

pandas基础02

 

导入pandas,numpy

import numpy as np 
import pandas as pd

目录

pandas基础02

处理丢失数据

合并

merge合并

---

 

---

• 处理丢失数据

  首先定义一个dataframe

  dates = pd.date_range('20210515',periods = 6)
  df = pd.DataFrame(np.arange(24).reshape(6,4),index = dates,columns = ['A','B','C','D'])
  print(df)

输出结果df:

             A   B   C   D
2021-05-15   0   1   2   3
2021-05-16   4   5   6   7
2021-05-17   8   9  10  11
2021-05-18  12  13  14  15
2021-05-19  16  17  18  19
2021-05-20  20  21  22  23

 

手动修改dataframe里面的值，修改为nan(丢失数据)

#iloc进行位置的选择，0行1列的值改为nan
df.iloc[0,1] = np.nan
#将0行2列的值改为nan
df.iloc[0,2] =np.nan
print(df)

输出结果为修改后的df:

             A     B     C   D
2021-05-15   0   NaN   NaN   3
2021-05-16   4   5.0   6.0   7
2021-05-17   8   9.0  10.0  11
2021-05-18  12  13.0  14.0  15
2021-05-19  16  17.0  18.0  19
2021-05-20  20  21.0  22.0  23

 

1.dropna 按行或列删除

axis = 0表示删除整行， axis = 1表示删除整列

how可以选择为any或者all：any表示有缺失值就删除 all表示全部都为缺失值才删除

df.dropna(axis = 0,how = 'any')

输出结果：

删除了有nan的一整行

            A   B   C   D
2021-05-16  4   5.0 6.0 7
2021-05-17  8   9.0 10.0    11
2021-05-18  12  13.0    14.0    15
2021-05-19  16  17.0    18.0    19
2021-05-20  20  21.0    22.0    23

2.fillna 缺失值填充

fillna(value = n) n为需要填充的值，一般选择为0

df.fillna(value = 0)

输出结果：

            A   B