我们需要对不同类型字段进行转化。并且在此过程中,我们需要检验是否存在采用别的值
来表示缺失值的情况。就像此前所说我们通过isnull只能检验出None(Python原生对象)和
np.Nan(numpy/pandas在读取数据文件时文件内部缺失对象的读取后表示形式)对象。但此外我们
还需要注意数据集中是否包含采用某符号表示缺失值的情况。r如空格表示缺失值的,首先是离散字段的转化过程:
通过对比离散变量的取值水平,我们发现并不存在通过其他值表示缺失值的情况。
需要注意的是,如果是连续变量,则无法使用上述方法进行检验(取值水平较多),但由于往往
我们需要将其转化为数值型变量再进行分析,因此对于连续变量是否存在其他值表示缺失值的情
况,我们也可以观察转化情况来判别,例如如果是用空格代表缺失值,则无法直接使用astype来
转化成数值类型
离散变量和连续变量缺失值检验和填补,空格表示缺失值的
最新推荐文章于 2023-03-16 13:51:00 发布