pandas 中补全 数据的方式

1 生产数据

生成如下的数据， 并存入文件

import os

os.makedirs(os.path.join('.', 'data'), exist_ok=True)
data_file = os.path.join('.', 'data', 'house_tiny.csv')

with open(data_file, 'w') as f:
    f.write('NumRooms,Alley,Price\n')
    f.write('NA,Pave,127500\n')
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

2 读取数据并补全缺失值

从文件中读取刚才保存的数据， 并对缺失值进行处理， 代码如下

import pandas as pd
import os

data_file = os.path.join('.', 'data', 'house_tiny.csv')
data = pd.read_csv(data_file)

print(data)

inputs, outputs = data.iloc[:, 0:2], data.iloc[:,2]

inputs = inputs.fillna(inputs.mean())
print(inputs)

inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)

最初读取到的原始数据如下：

   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000

可以看到其中的前两列存在缺失值， 下面将数据分为两部分， 数据分为输入数据和输出数据， 输入数据对应dataFrame的前两列数据， 输出数据对应第二列数据（从0列开始编码）

inputs, outputs = data.iloc[:, 0:2], data.iloc[:,2]
print(inputs)
  NumRooms Alley
0       NaN  Pave
1       2.0   NaN
2       4.0   NaN
3       NaN   NaN

print(outputs)

0    127500
1    106000
2    178100
3    140000

对列NumRooms 采用插值的方式来处理缺失值。

>>> inputs = inputs.fillna(inputs.mean())
>>> print(inputs)
   NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN

列 Alley 仅包含离散值， 分为两种不同的类型 Pave 和 NaN， 利用pandas 自动将此列转换为两列：

>>> inputs = pd.get_dummies(inputs, dummy_na=True)
>>> print(inputs)
   NumRooms  Alley_Pave  Alley_nan
0       3.0           1          0
1       2.0           0          1
2       4.0           0          1
3       3.0           0          1

到此， inputs中的缺失值全部补全了， 且转换为数值型了。