Python 数据清洗之缺失数据填充函数 fillna() 及缺失值处理

您所在的位置：网站首页 › 数据填充函数 › Python 数据清洗之缺失数据填充函数 fillna() 及缺失值处理

Python 数据清洗之缺失数据填充函数 fillna() 及缺失值处理

2023-09-19 07:06| 来源: 网络整理| 查看: 265

引入

在实际的项目中，当缺失数据比较多的情况下，可以直接滤除；而当缺失数据比较少时，需要对数据进行填充。

栗子

import numpy as np from numpy import nan import pandas as pd data=pd.DataFrame(np.arange(3,19,1).reshape(4,4),index=list('abcd')) print(data) data.iloc[0:2,0:3]=nan print(data) 0 1 2 3 a NaN NaN NaN 6 b NaN NaN NaN 10 c 11.0 12.0 13.0 14 d 15.0 16.0 17.0 18 print(data.fillna(0)) ### 用0填充缺失数据

结果为：

0 1 2 3 a 0.0 0.0 0.0 6 b 0.0 0.0 0.0 10 c 11.0 12.0 13.0 14 d 15.0 16.0 17.0 18

其他填充操作：

print(data.fillna(data.mean())) # 用每列特征的均值填充缺失数据 print(data.fillna(data.median())) # 用每列特征的中位数填充缺失数据 print(data.fillna(method='bfill')) # 用相邻后面（back）特征填充前面空值 values={0:10,1:20,2:30} print(data.fillna(value=values)) # 用字典对不同的列填充不同的缺失数据 ...

拓展： pandas 处理缺失值[dropna、drop、fillna]

dropna：去掉含有缺失值的样本（行） drop：将含有缺失值的列（特征向量）去掉 fillna：将缺失值用某些值填充（0，平均值，中值等）

Python 数据清洗之缺失数据填充函数 fillna() 及缺失值处理

Python 数据清洗之缺失数据填充函数 fillna() 及缺失值处理

今日新闻

推荐新闻