Python缺失值如何處理

這篇文章主要介紹了Python缺失值如何處理的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇Python缺失值如何處理文章都會有所收獲，下面我們一起來看看吧。

先構建一個含有缺失值的DataFrame，如下：

import pandas as pd
import numpy as np
data = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])
print(data)

看出來了嗎？np.nan就是NAN值，空值的意思。

在numpy中有一個函數可以用來查看空值，不對，是兩個，isnull()和isna()這兩函數。

我們分別來試試它們的效果：

import pandas as pd
import numpy as np
data = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])
data.isnull()
data.isna()

可以看出，這兩函數的作用就是判斷數據是不是空值，如果是，就返回true，不是就是false。

通常，對空值的處理有兩種方法，一種就是把空值刪除，另外一種就是把它填上，我們先說第一種，刪除空值，我們可以dropna()這一函數來把空值刪除。要注意，它會把含有空值的整行都刪掉。例如：

import pandas as pd
import numpy as np
data = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])
data.dropna()

上面的例子用了drop函數后，啥都沒啦！ 

我們可以設置當每行空值多余2個時再刪除（低于2個保留），這時候要用到dropna()的參數thresh。

補充空值的話有挺多的方法，有用均值補充，中位數補充等，我們要用到fillna()這一函數。例如，我們用均值來填充上文中的data,

代碼如下：

import pandas as pd
import numpy as np
data = pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan]],columns = ['a','b','c'])
data.fillna(data.mean())

代碼運行的結果如下，可以看到空值都被對應列的均值所填充。

關于“Python缺失值如何處理”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“Python缺失值如何處理”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。