pandas task7

最新推荐文章于 2024-08-10 23:14:03 发布

小五的眼里有星星

最新推荐文章于 2024-08-10 23:14:03 发布

阅读量117

点赞数

分类专栏： DW_pandas学习记录文章标签： python

本文链接：https://blog.csdn.net/xiaowu_55555/article/details/112162438

版权

本文介绍了如何在Pandas中统计和删除缺失值。通过isna()和mean()计算缺失值比例，使用dropna()函数根据缺失值情况进行行或列的删除。文中详细展示了不同条件下删除缺失值的实例。

摘要由CSDN通过智能技术生成

第七章缺失数据

df = pd.read_csv('../data/learn_pandas.csv', usecols = ['Grade', 'Name', 'Gender', 'Height', 'Weight', 'Transfer'])
df.isna().head()

取出需要的几列，output：
在这里插入图片描述
查看比例有时更有用，而不是单单地只看哪些数值是缺失值！！！
缺失数据可以使用isna或isnull（两个函数没有区别）来查看每个单元格是否缺失，结合mean可以计算出每列缺失值的比例：

df.isna().mean() # 查看缺失的比例

output：

关注