快捷導(dǎo)航

Pandas 缺失數(shù)據(jù)處理的實現(xiàn)

更新時間：2019年11月04日 09:28:54 作者：PythonGirl

這篇文章主要介紹了Pandas 缺失數(shù)據(jù)處理的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

數(shù)據(jù)丟失(缺失)在現(xiàn)實生活中總是一個問題。機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等領(lǐng)域由于數(shù)據(jù)缺失導(dǎo)致的數(shù)據(jù)質(zhì)量差，在模型預(yù)測的準(zhǔn)確性上面臨著嚴(yán)重的問題。在這些領(lǐng)域，缺失值處理是使模型更加準(zhǔn)確和有效的重點。

使用重構(gòu)索引(reindexing)，創(chuàng)建了一個缺少值的DataFrame。在輸出中，NaN表示不是數(shù)字的值。

一、檢查缺失值

為了更容易地檢測缺失值(以及跨越不同的數(shù)組dtype)，Pandas提供了isnull()和notnull()函數(shù)，它們也是Series和DataFrame對象的方法

示例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3),
         index=['a', 'c', 'e', 'f','h'],
         columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print(df)
print('\n')

print (df['one'].isnull())

輸出結(jié)果：

        one       two     three
a 0.036297 -0.615260 -1.341327
b       NaN       NaN       NaN
c -1.908168 -0.779304 0.212467
d       NaN       NaN       NaN
e 0.527409 -2.432343 0.190436
f 1.428975 -0.364970 1.084148
g       NaN       NaN       NaN
h 0.763328 -0.818729 0.240498

a    False
b     True
c    False
d     True
e    False
f    False
g     True
h    False
Name: one, dtype: bool

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f',
'h'],columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print (df['one'].notnull())

輸出結(jié)果：
a     True
b    False
c     True
d    False
e     True
f     True
g    False
h     True
Name: one, dtype: bool

二、缺少數(shù)據(jù)的計算

在求和數(shù)據(jù)時，NA將被視為0
如果數(shù)據(jù)全部是NA，那么結(jié)果將是NA

實例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f',
'h'],columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print(df)
print('\n')

print (df['one'].sum())

輸出結(jié)果：

        one       two     three
a -1.191036 0.945107 -0.806292
b       NaN       NaN       NaN
c 0.127794 -1.812588 -0.466076
d       NaN       NaN       NaN
e 2.358568 0.559081 1.486490
f -0.242589 0.574916 -0.831853
g       NaN       NaN       NaN
h -0.328030 1.815404 -1.706736

0.7247067964060545

示例2

import pandas as pd

df = pd.DataFrame(index=[0,1,2,3,4,5],columns=['one','two'])

print(df)
print('\n')

print (df['one'].sum())

輸出結(jié)果：

one two
0 NaN NaN
1 NaN NaN
2 NaN NaN
3 NaN NaN
4 NaN NaN
5 NaN NaN

0

三、填充缺少數(shù)據(jù)

Pandas提供了各種方法來清除缺失的值。fillna()函數(shù)可以通過幾種方法用非空數(shù)據(jù)“填充”NA值。

用標(biāo)量值替換NaN

以下程序顯示如何用0替換NaN。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(3, 3), index=['a', 'c', 'e'],columns=['one','two', 'three'])

df = df.reindex(['a', 'b', 'c'])

print (df)
print('\n')

print ("NaN replaced with '0':")
print (df.fillna(0))

輸出結(jié)果：

        one       two     three
a -0.479425 -1.711840 -1.453384
b       NaN       NaN       NaN
c -0.733606 -0.813315 0.476788

NaN replaced with '0':
        one       two     three
a -0.479425 -1.711840 -1.453384
b 0.000000 0.000000 0.000000
c -0.733606 -0.813315 0.476788

在這里填充零值; 當(dāng)然，也可以填寫任何其他的值。

替換丟失(或)通用值

很多時候，必須用一些具體的值取代一個通用的值?？梢酝ㄟ^應(yīng)用替換方法來實現(xiàn)這一點。用標(biāo)量值替換NA是fillna()函數(shù)的等效行為。

示例

import pandas as pd

df = pd.DataFrame({'one':[10,20,30,40,50,2000],'two':[1000,0,30,40,50,60]})

print(df)
print('\n')

print (df.replace({1000:10,2000:60}))

輸出結(jié)果：

    one   two
0    10 1000
1    20     0
2    30    30
3    40    40
4    50    50
5 2000    60

   one two
0   10   10
1   20    0
2   30   30
3   40   40
4   50   50
5   60   60

填寫NA前進(jìn)和后退

使用重構(gòu)索引章節(jié)討論的填充概念，來填補(bǔ)缺失的值。

方法	動作
pad/fill	填充方法向前
bfill/backfill	填充方法向后

示例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f',
'h'],columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print(df)
print('\n')

print (df.fillna(method='pad'))

輸出結(jié)果：

        one       two     three
a -0.023243 1.671621 -1.687063
b       NaN       NaN       NaN
c -0.933355 0.609602 -0.620189
d       NaN       NaN       NaN
e 0.151455 -1.324563 -0.598897
f 0.605670 -0.924828 -1.050643
g       NaN       NaN       NaN
h 0.892414 -0.137194 -1.101791

        one       two     three
a -0.023243 1.671621 -1.687063
b -0.023243 1.671621 -1.687063
c -0.933355 0.609602 -0.620189
d -0.933355 0.609602 -0.620189
e 0.151455 -1.324563 -0.598897
f 0.605670 -0.924828 -1.050643
g 0.605670 -0.924828 -1.050643
h 0.892414 -0.137194 -1.101791

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f',
'h'],columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print (df.fillna(method='backfill'))

輸出結(jié)果：

one two three
a 2.278454 1.550483 -2.103731
b -0.779530 0.408493 1.247796
c -0.779530 0.408493 1.247796
d 0.262713 -1.073215 0.129808
e 0.262713 -1.073215 0.129808
f -0.600729 1.310515 -0.877586
g 0.395212 0.219146 -0.175024
h 0.395212 0.219146 -0.175024

四、丟失缺少的值

使用dropna函數(shù)和axis參數(shù)。默認(rèn)情況下，axis = 0，即在行上應(yīng)用，這意味著如果行內(nèi)的任何值是NA，那么整個行被排除。

實例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f','h'],columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print (df.dropna())

輸出結(jié)果：

one two three
a -0.719623 0.028103 -1.093178
c 0.040312 1.729596 0.451805
e -1.029418 1.920933 1.289485
f 1.217967 1.368064 0.527406
h 0.667855 0.147989 -1.035978

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f',
'h'],columns=['one', 'two', 'three'])

df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])

print (df.dropna(axis=1))

輸出結(jié)果：