關于NaN值

-在能夠使用大型數(shù)據(jù)集訓練學習算法之前，我們通常需要先清理數(shù)據(jù), 也就是說，我們需要通過某個方法檢測并更正數(shù)據(jù)中的錯誤。
- 任何給定數(shù)據(jù)集可能會出現(xiàn)各種糟糕的數(shù)據(jù)，例如離群值或不正確的值，但是我們幾乎始終會遇到的糟糕數(shù)據(jù)類型是缺少值。
- Pandas 會為缺少的值分配 NaN 值。

創(chuàng)建一個具有NaN值得 Data Frame

import pandas as pd

# We create a list of Python dictionaries
# 創(chuàng)建一個字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35, 'shirts': 15, 'shoes':8, 'suits':45},
{'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5, 'shirts': 2, 'shoes':5, 'suits':7},
{'bikes': 20, 'pants': 30, 'watches': 35, 'glasses': 4, 'shoes':10}]

# 創(chuàng)建一個DataFrame并設置行索引
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2', 'store 3'])

# 顯示
store_items

顯示：

數(shù)據(jù)量大時統(tǒng)計NaN的個數(shù)

# 計算在store_items中NaN值的個數(shù)
x = store_items.isnull().sum().sum()

# 輸出
print('在我們DataFrame中NaN的數(shù)量:', x)

輸出：

在我們DataFrame中NaN的數(shù)量: 3

.isnull() 方法返回一個大小和 store_items 一樣的布爾型 DataFrame，并用 True 表示具有 NaN 值的元素，用 False 表示非 NaN 值的元素。

store_items.isnull()

顯示：

在 Pandas 中，邏輯值 True 的數(shù)字值是 1，邏輯值 False 的數(shù)字值是 0。

因此，我們可以通過數(shù)邏輯值 True 的數(shù)量數(shù)出 NaN 值的數(shù)量。

為了數(shù)邏輯值 True 的總數(shù)，我們使用 .sum() 方法兩次。

要使用該方法兩次，是因為第一個 sum() 返回一個 Pandas Series，其中存儲了列上的邏輯值 True 的總數(shù)

第二個 sum() 將上述 Pandas Series 中的 1 相加

除了數(shù) NaN 值的數(shù)量之外，我們還可以采用相反的方式，我們可以數(shù)非 NaN 值的數(shù)量。為此，我們可以使用 .count() 方法

print('在我們DataFrame的列中具有非NaN值得數(shù)量分別為:\n', store_items.count())

輸出：

在我們DataFrame的列中具有非NaN值得數(shù)量:
bikes 3
glasses 2
pants 3
shirts 2
shoes 3
suits 2
watches 3
dtype: int64

處理這些 NaN 值

• 如果 axis = 0，.dropna(axis) 方法將刪除包含 NaN 值的任何行
• 如果 axis = 1，.dropna(axis) 方法將刪除包含 NaN 值的任何列

# 刪除包含NaN值得任何行
store_items.dropna(axis = 0)

顯示為：

store_items.dropna(axis = 1)

顯示為：

注意：

- .dropna() 方法不在原地地刪除具有 NaN 值的行或列。
- 原始 DataFrame 不會改變。你始終可以在 dropna() 方法中將關鍵字 inplace 設為 True，在原地刪除目標行或列。

將NaN值替換為合適的值

我們不再刪除 NaN 值，而是將它們替換為合適的值。例如，我們可以選擇將所有 NaN 值替換為 0。為此，我們可以使用 .fillna() 方法

store_items.fillna(0)

顯示：

我們還可以使用 .fillna() 方法將 NaN 值替換為 DataFrame 中的上個值，稱之為前向填充

.fillna(method = 'ffill', axis) 將通過前向填充 (ffill) 方法沿著給定 axis 使用上個已知值替換 NaN 值

store_items.fillna(method = 'ffill', axis = 0)

顯示：

注意 store 3 中的兩個 NaN 值被替換成了它們所在列中的上個值。

但是注意， store 1 中的 NaN 值沒有被替換掉。因為這列前面沒有值，因為 NaN 值是該列的第一個值。

現(xiàn)在，使用上個行值進行前向填充

store_items.fillna(method = 'ffill', axis = 1)

顯示：

在這種情況下：所有 NaN 值都被替換成了之前的行值

同時，也可以選擇用 DataFrame 中之后的值替換 NaN 值，稱之為后向填充

# 向后填充列，即為NaN的列值，用其列中的后一個來填充
store_items.fillna(method = 'backfill', axis = 0)

同理：也可以向后填充行，即為NaN的行值，用其行中的后一個來填充

# 向后填充行，即為NaN的行值，用其行中的后一個來填充
store_items.fillna(method = 'backfill', axis = 1)

注意：.fillna() 方法不在原地地替換（填充）NaN 值。也就是說，原始 DataFrame 不會改變。你始終可以在 fillna() 函數(shù)中將關鍵字 inplace 設為 True，在原地替換 NaN 值。

還可以選擇使用不同的插值方法替換 NaN 值

.interpolate(method = 'linear', axis) 方法將通過 linear 插值使用沿著給定 axis 的值替換 NaN 值, 這個差值也就是前后或者上下的中間值

store_items.interpolate(method = 'linear', axis = 0)

同時，也可用行值插入

store_items.interpolate(method = 'linear', axis = 1)

和我們看到的其他方法一樣，.interpolate() 方法不在原地地替換 NaN 值，圖片就省略了。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論