07-20 缺失值处理二+ 异常值处理

最新推荐文章于 2022-11-14 14:07:35 发布

withxinxin

最新推荐文章于 2022-11-14 14:07:35 发布

阅读量539

点赞数

本文链接：https://blog.csdn.net/weixin_46400833/article/details/107492841

版权

本文探讨了在数据分析中如何处理缺失值，包括删除法和填补法，如使用均值、中位数、众数以及前后填补法。同时，介绍了异常值的判断标准，如均值标准差和分位数法，并提出了异常值的小处理方法，如替换和分位数替换法。

摘要由CSDN通过智能技术生成

缺失值处理二

一：删除法

对于缺失值，一般不会直接进行删除，因为删除过多影响数据分析，所以会对其进行第二中操作，补齐

二：填补法( 一般适用于元素为 float 或者 int的数据)

1. 均值或中位数补齐法：

df.age   ---查看age列

df.age.mean() ----查看年龄列平均值

df.age.fillna( df.age.mean() ) ----使用均值填补，即在缺失值位置 补上均值

df.age.median() _中位数的查看

df.age.fillna（ df.age.median () )

2、众数填补法（适用于字符型数据）

df.gender ---- 查看性别
df.gender.fillna( df.gender.mode() )  ----查看性别列 -gender的众数

（ 众数一般不止一个，通常选择第一个）

df.gender.fillna( df.gender.mode()[0]) ---使用第一个众数填补 缺失值