1.相關(guān)函數(shù)

• df.dropna()
• df.fillna()
• df.isnull()
• df.isna()

2.相關(guān)概念

空值：在pandas中的空值是""

缺失值：在dataframe中為nan或者naT（缺失時間），在series中為none或者nan即可

3.函數(shù)具體解釋

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

函數(shù)作用：刪除含有空值的行或列

axis:維度，axis=0表示index行,axis=1表示columns列，默認為0

how:"all"表示這一行或列中的元素全部缺失（為nan）才刪除這一行或列，"any"表示這一行或列中只要有元素缺失，就刪除這一行或列

thresh:一行或一列中至少出現(xiàn)了thresh個才刪除。

subset：在某些列的子集中選擇出現(xiàn)了缺失值的列刪除，不在子集中的含有缺失值得列或行不會刪除（有axis決定是行還是列）

inplace：刷選過缺失值得新數(shù)據(jù)是存為副本還是直接在原數(shù)據(jù)上進行修改。

例子：

df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
        "toy": [np.nan, 'Batmobile', 'Bullwhip'],
         "born": [pd.NaT, pd.Timestamp("1940-04-25"),pd.NaT]})
 
print df

默認參數(shù)：刪除行，只要有空值就會刪除，不替換。

print df.dropna()
print df

print "delete colums"
print df.dropna(axis=1) #delete col

print "所有值全為缺失值才刪除"
print df.dropna(how='all')

print "至少出現(xiàn)過兩個缺失值才刪除"
print df.dropna(thresh=2)

print "刪除這個subset中的含有缺失值的行或列"
print df.dropna(subset=['name', 'born'])

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

函數(shù)作用：填充缺失值

value:需要用什么值去填充缺失值

axis:確定填充維度，從行開始或是從列開始

method：ffill:用缺失值前面的一個值代替缺失值，如果axis =1，那么就是橫向的前面的值替換后面的缺失值，如果axis=0，那么則是上面的值替換下面的缺失值。backfill/bfill，缺失值后面的一個值代替前面的缺失值。注意這個參數(shù)不能與value同時出現(xiàn)

limit:確定填充的個數(shù)，如果limit=2，則只填充兩個缺失值。

示例：

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
         [3, 4, np.nan, 1],
         [np.nan, np.nan, np.nan, 5],
        [np.nan, 3, np.nan, 4]],
         columns=list('ABCD'))
 
print df
 
print "橫向用缺失值前面的值替換缺失值"
print df.fillna(axis=1,method='ffill')
 
print "縱向用缺失值上面的值替換缺失值"
print df.fillna(axis=0,method='ffill')

print df.fillna(0)

不同的列用不同的值填充：

對每列出現(xiàn)的替換值有次數(shù)限制，此處限制為一次

DataFrame.isna()

判斷是不是缺失值：

isnull同上。

替換空值：

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
         [3, 4, "", 1],
         [np.nan, np.nan, np.nan, 5],
        [np.nan, 3, "", 4]],
         columns=list('ABCD'))
 
print df

如上，缺失值是NAN，空值是沒有顯示。

替換空值代碼：需要把含有空值的那一列提出來單獨處理，然后在放進去就好。

clean_z = df['C'].fillna(0)
clean_z[clean_z==''] = 'hello'
df['C'] = clean_z
print df

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