數(shù)據(jù)清洗--DataFrame中的空值處理方法
數(shù)據(jù)清洗是一項(xiàng)復(fù)雜且繁瑣的工作，同時(shí)也是整個(gè)數(shù)據(jù)分析過(guò)程中最為重要的環(huán)節(jié)。
在python中空值被顯示為NaN。首先，我們要構(gòu)造一個(gè)包含NaN的DataFrame對(duì)象。
>>> import numpy as np >>> import pandas as pd >>> from pandas import Series,DataFrame >>> from numpy import nan as NaN >>> data = DataFrame([[12,'man','13865626962'],[19,'woman',NaN],[17,NaN,NaN],[NaN,NaN,NaN]],columns=['age','sex','phone']) >>> data age sex phone 0 12.0 man 13865626962 1 19.0 woman NaN 2 17.0 NaN NaN 3 NaN NaN NaN
刪除NaN
刪除NaN所在的行
刪除表中全部為NaN的行
>>> data.dropna(axis=0, how='all') age sex phone 0 12.0 man 13865626962 1 19.0 woman NaN 2 17.0 NaN NaN
刪除表中任何含有NaN的行
>>> data.dropna(axis=0, how='any') age sex phone 0 12.0 man 13865626962
刪除NaN所在的列
刪除表中全部為NaN的列
>>> data.dropna(axis=1, how='all') age sex phone 0 12.0 man 13865626962 1 19.0 woman NaN 2 17.0 NaN NaN 3 NaN NaN NaN
刪除表中任何含有NaN的列
>>> data.dropna(axis=1, how='any') Empty DataFrame Columns: [] Index: [0, 1, 2, 3]
注意：axis 就是”軸，數(shù)軸“的意思，對(duì)應(yīng)多維數(shù)組里的”維“。此處作者的例子是二維數(shù)組，所以，axis的值對(duì)應(yīng)表示：0軸（行），1軸（列）。
填充NaN
如果不想過(guò)濾（去除）數(shù)據(jù)，我們可以選擇使用fillna()方法填充NaN，這里，作者使用數(shù)值'0'替代NaN,來(lái)填充DataFrame。
>>> data.fillna(0) age sex phone 0 12.0 man 13865626962 1 19.0 woman 0 2 17.0 0 0 3 0.0 0 0
我們還可以通過(guò)字典來(lái)填充，以實(shí)現(xiàn)對(duì)不同的列填充不同的值。
>>> data.fillna({'sex':233,'phone':666})
age sex phone
0 12.0 man 13865626962
1 19.0 woman 666
2 17.0 233 666
3 NaN 233 666
以上這篇數(shù)據(jù)清洗--DataFrame中的空值處理方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python利用shutil模塊實(shí)現(xiàn)文件的裁剪與壓縮
shutil可以簡(jiǎn)單地理解為sh+util ，shell工具的意思。shutil模塊是對(duì)os模塊的補(bǔ)充，主要針對(duì)文件的拷貝、刪除、移動(dòng)、壓縮和解壓操作。本文將利用這一模塊實(shí)現(xiàn)文件的裁剪、壓縮與解壓縮，需要的可以參考一下2022-05-05
這篇文章主要介紹了python寫(xiě)個(gè)俄羅斯方塊，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-11-11
python爬蟲(chóng)解決驗(yàn)證碼的思路及示例
這篇文章主要介紹了python爬蟲(chóng)解決驗(yàn)證碼的思路及示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
這篇文章主要介紹了基于PyQt5完成的PDF拆分功能,本文介紹的pdf拆分功能還有一些待完善地方，例如可增加預(yù)覽功能，實(shí)現(xiàn)每頁(yè)預(yù)覽，以及如何實(shí)現(xiàn)多條件拆分，需要的朋友可以參考下2022-06-06
基于Python數(shù)據(jù)可視化利器Matplotlib,繪圖入門(mén)篇,Pyplot詳解
下面小編就為大家?guī)?lái)一篇基于Python數(shù)據(jù)可視化利器Matplotlib,繪圖入門(mén)篇,Pyplot詳解。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-10-10
在Python中利用Into包整潔地進(jìn)行數(shù)據(jù)遷移的教程
這篇文章主要介紹了在Python中如何利用Into包整潔地進(jìn)行數(shù)據(jù)遷移，在數(shù)據(jù)格式的任意兩個(gè)格式之間高效地遷移數(shù)據(jù)，需要的朋友可以參考下2015-03-03
Tensorflow全局設(shè)置可見(jiàn)GPU編號(hào)操作
這篇文章主要介紹了Tensorflow全局設(shè)置可見(jiàn)GPU編號(hào)操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
python實(shí)現(xiàn)在多維數(shù)組中挑選符合條件的全部元素
今天小編就為大家分享一篇python實(shí)現(xiàn)在多維數(shù)組中挑選符合條件的全部元素，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11
這篇文章主要介紹了Python 為什么推薦蛇形命名法，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-06-06
今天小編就為大家分享一篇python 實(shí)現(xiàn)矩陣填充0的例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11