Pandas?缺失數(shù)據(jù)處理代碼匯總
一、缺失值類型
在pandas中，缺失數(shù)據(jù)顯示為NaN。缺失值有3種表示方法，np.nan，none，pd.NA。
1、np.nan
缺失值有個特點（坑），它不等于任何值，連自己都不相等。如果用nan和任何其它值比較都會返回nan。
np.nan?==?np.nan >>?False
也正由于這個特點，在數(shù)據(jù)集讀入以后，不論列是什么類型的數(shù)據(jù)，默認(rèn)的缺失值全為np.nan。
因為nan在Numpy中的類型是浮點，因此整型列會轉(zhuǎn)為浮點；而字符型由于無法轉(zhuǎn)化為浮點型，只能歸并為object類型（'O'），原來是浮點型的則類型不變。
type(np.nan) >>?float
pd.Series([1,2,3]).dtype
>>?dtype('int64')
pd.Series([1,np.nan,3]).dtype
>>?dtype('float64')初學(xué)者做數(shù)據(jù)處理遇見object類型會發(fā)懵，不知道這是個啥，明明是字符型，導(dǎo)入后就變了，其實是因為缺失值導(dǎo)致的。
除此之外，還要介紹一種針對時間序列的缺失值，它是單獨存在的，用NaT表示，是pandas的內(nèi)置類型，可以視為時間序列版的np.nan，也是與自己不相等。
s_time?=?pd.Series([pd.Timestamp('20220101')]*3)
s_time
>>?0?2022-01-01
???1?2022-01-01
???2?2022-01-01
???dtype:datetime64[ns]
-----------------
s_time[2]?=?pd.NaT
s_time
>>?0?2022-01-01
???1?2022-01-01
???2?NaT
???dtype:datetime64[ns]2、None
還有一種就是None，它要比nan好那么一點，因為它至少自己與自己相等。
None?==?None >>?True
在傳入數(shù)值類型后，會自動變?yōu)?code>np.nan。
type(pd.Series([1,None])[1]) >>?numpy.float64
只有當(dāng)傳入object類型時是不變的，因此可以認(rèn)為如果不是人工命名為None的話，它基本不會自動出現(xiàn)在pandas中，所以None大家基本也看不到。
type(pd.Series([1,None],dtype='O')[1]) >>?NoneType
3、NA標(biāo)量
pandas1.0以后的版本中引入了一個專門表示缺失值的標(biāo)量pd.NA，它代表空整數(shù)、空布爾值、空字符，這個功能目前處于實驗階段。
開發(fā)者也注意到了這點，對于不同數(shù)據(jù)類型采取不同的缺失值表示會很亂。pd.NA就是為了統(tǒng)一而存在的。pd.NA的目標(biāo)是提供一個缺失值指示器，可以在各種數(shù)據(jù)類型中一致使用(而不是np.nan、None或者NaT分情況使用)。
s_new?=?pd.Series([1,?2],?dtype="Int64") s_new >>?0???1 ???1???2 ???dtype:?Int64 ----------------- s_new[1]?=?pd.NaT s_new >>?0????1 ???1??<NA> ???dtype:?Int64
同理，對于布爾型、字符型一樣不會改變原有數(shù)據(jù)類型,這樣就解決了原來動不動就變成object類型的麻煩了。
下面是pd.NA的一些常用算術(shù)運算和比較運算的示例：
#####?算術(shù)運算 #?加法 pd.NA?+?1 >>?<NA> ----------- #?乘法 "a"?*?pd.NA >>?<NA> ----------- #?以下兩種其中結(jié)果為1 pd.NA?**?0 >>?1 ----------- 1?**?pd.NA >>?1 #####?比較運算 pd.NA?==?pd.NA >>?<NA> ----------- pd.NA?<?2.5 >>?<NA> ----------- np.log(pd.NA) >>?<NA> ----------- np.add(pd.NA,?1) >>?<NA>
二、缺失值判斷
了解了缺失值的幾種形式后，我們要知道如何判斷缺失值。對于一個dataframe而言，判斷缺失的主要方法就是isnull()或者isna()，這兩個方法會直接返回True和False的布爾值?？梢允菍φ麄€dataframe或者某個列。
df?=?pd.DataFrame({
??????'A':['a1','a1','a2','a3'],
??????'B':['b1',None,'b2','b3'],
??????'C':[1,2,3,4],
??????'D':[5,None,9,10]})
#?將無窮設(shè)置為缺失值??????
pd.options.mode.use_inf_as_na?=?True1、對整個dataframe判斷缺失
df.isnull() >>?A?B?C?D 0?False?False?False?False 1?False?True?False?True 2?False?False?False?False 3?False?False?False?False
2、對某個列判斷缺失
df['C'].isnull() >>?0????False ???1????False ???2????False ???3????False Name:?C,?dtype:?bool
如果想取非缺失可以用notna()，使用方法是一樣的，結(jié)果相反。
三、缺失值統(tǒng)計
1、列缺失
一般我們會對一個dataframe的列進(jìn)行缺失統(tǒng)計，查看每個列有多少缺失，如果缺失率過高再進(jìn)行刪除或者插值等操作。那么直接在上面的isnull()返回的結(jié)果上直接應(yīng)用.sum()即可，axis默認(rèn)等于0，0是列，1是行。
##?列缺失統(tǒng)計 isnull().sum(axis=0)
2、行缺失
但是很多情況下，我們也需要對行進(jìn)行缺失值判斷。比如一行數(shù)據(jù)可能一個值都沒有，如果這個樣本進(jìn)入模型，會造成很大的干擾。因此，行列兩個缺失率通常都要查看并統(tǒng)計。
操作很簡單，只需要在sum()中設(shè)置axis=1即可。
##?行缺失統(tǒng)計 isnull().sum(axis=1)
3、缺失率
有時我不僅想要知道缺失的數(shù)量，我更想知道缺失的比例，即缺失率。正?？赡軙氲接蒙厦媲蟮脭?shù)值再比上總行數(shù)。但其實這里有個小技巧可以一步就實現(xiàn)。
##?缺失率 df.isnull().sum(axis=0)/df.shape[0] ##?缺失率（一步到位） isnull().mean()
四、缺失值篩選
篩選需要loc配合完成，對于行和列的缺失篩選如下：
#?篩選有缺失值的行 df.loc[df.isnull().any(1)] >>?A?B?C?D 1?a1?None?2?NaN ----------------- #?篩選有缺失值的列 df.loc[:,df.isnull().any()] >>?B?D 0?b1?5.0 1?None?NaN 2?b2?9.0 3?b3?10.0
如果要查詢沒有缺失值的行和列，可以對表達(dá)式用取反~操作：
df.loc[~(df.isnull().any(1))] >>?A?B?C?D 0?a1?b1?1?5.0 2?a2?b2?3?9.0 3?a3?b3?4?10.0
上面使用了any判斷只要有缺失就進(jìn)行篩選，也可以用all判斷是否全部缺失，同樣可以對行里進(jìn)行判斷，如果整列或者整行都是缺失值，那么這個變量或者樣本就失去了分析的意義，可以考慮刪除。
五、缺失值填充
一般我們對缺失值有兩種處理方法，一種是直接刪除，另外一種是保留并填充。下面先介紹填充的方法fillna。
#?將dataframe所有缺失值填充為0
df.fillna(0)
>>?A?B?C?D
0?a1?b1?1?5.0
1?a1?0?2?0.0
2?a2?b2?3?9.0
3?a3?b3?4?10.0
--------------
#?將D列缺失值填充為-999
df.D.fillna('-999')
>>?0???????5
???1????-999
???2???????9
???3??????10
Name:?D,?dtype:?object方法很簡單，但使用時需要注意一些參數(shù)。
- inplace：可以設(shè)置
fillna(0, inplace=True)來讓填充生效，原dataFrame被填充。 - methond：可以設(shè)置
methond方法來實現(xiàn)向前或者向后填充，pad/ffill為向前填充，bfill/backfill為向后填充，比如df.fillna(methond='ffill')，也可以簡寫為df.ffill()。
df.ffill() >>?A?B?C?D 0?a1?b1?1?5.0 1?a1?b1?2?5.0 2?a2?b2?3?9.0 3?a3?b3?4?10.0
原缺失值都會按照前一個值來填充(B列1行，D列1行)。
除了用前后值來填充，也可以用整個列的均值來填充，比如對D列的其它非缺失值的平均值8來填充缺失值。
df.D.fillna(df.D.mean()) >>?0?????5.0 ???1?????8.0 ???2?????9.0 ???3????10.0 Name:?D,?dtype:?float64
六、缺失值刪除
刪除缺失值也非情況，比如是全刪除還是刪除比較高缺失率，這個要看自己的容忍程度，真實的數(shù)據(jù)必然會存在缺失的，這個無法避免。而且缺失在某些情況下也代表了一定的含義，要視情況而定。
1、全部直接刪除
#?全部直接刪除 df.dropna() >>?A?B?C?D 0?a1?b1?1?5.0 2?a2?b2?3?9.0 3?a3?b3?4?10.0
2、行缺失刪除
#?行缺失刪除 df.dropna(axis=0) >>?A?B?C?D 0?a1?b1?1?5.0 2?a2?b2?3?9.0 3?a3?b3?4?10.0
3、列缺失刪除
#?列缺失刪除 df.dropna(axis=1) >>?A?C 0?a1?1 1?a1?2 2?a2?3 3?a3?4 ------------- #?刪除指定列范圍內(nèi)的缺失,因為C列無缺失，所以最后沒有變化 df.dropna(subset=['C']) >>?A?B?C?D 0?a1?b1?1?5.0 1?a1?None?2?NaN 2?a2?b2?3?9.0 3?a3?b3?4?10.0
4、按缺失率刪除
這個可以考慮用篩選的方法來實現(xiàn)，比如要刪除列缺失大于0.1的（即篩選小于0.1的）。
df.loc[:,df.isnull().mean(axis=0)?<?0.1] >>?A?C 0?a1?1 1?a1?2 2?a2?3 3?a3?4 ------------- #?刪除行缺失大于0.1的 df.loc[df.isnull().mean(axis=1)?<?0.1] >>?A?B?C?D 0?a1?b1?1?5.0 2?a2?b2?3?9.0 3?a3?b3?4?10.0
七、缺失值參與計算
如果不對缺失值處理，那么缺失值會按照什么邏輯進(jìn)行計算呢？下面我們一起看一下各種運算下缺失值的參與邏輯。
1、加法
df >>A?B?C?D 0?a1?b1?1?5.0 1?a1?None?2?NaN 2?a2?b2?3?9.0 3?a3?b3?4?10.0 --------------- #?對所有列求和 df.sum() >>?A????a1a1a2a3 ???C??????????10 ???D??????????24
可以看到，加法是會忽略缺失值的。
2、累加
#?對D列進(jìn)行累加 df.D.cumsum() >>?0?????5.0 ???1?????NaN ???2????14.0 ???3????24.0 Name:?D,?dtype:?float64 --------------- df.D.cumsum(skipna=False) >>?0????5.0 ???1????NaN ???2????NaN ???3????NaN Name:?D,?dtype:?float64
cumsum累加會忽略NA，但值會保留在列中，可以使用skipna=False跳過有缺失值的計算并返回缺失值。
3、計數(shù)
#?對列計數(shù) df.count() >>?A????4 ???B????3 ???C????4 ???D????3 dtype:?int64
缺失值不進(jìn)入計數(shù)范圍里。
4、聚合分組
df.groupby('B').sum()
>>?C?D
B??
b1?1?5.0
b2?3?9.0
b3?4?10.0
---------------
df.groupby('B',dropna=False).sum()
>>?C?D
B??
b1?1?5.0
b2?3?9.0
b3?4?10.0
NaN?2?0.0聚合時會默認(rèn)忽略缺失值，如果要缺失值計入到分組里，可以設(shè)置dropna=False。這個用法和其它比如value_counts是一樣的，有的時候需要看缺失值的數(shù)量。以上就是所有關(guān)于缺失值的常用操作了，從理解缺失值的3種表現(xiàn)形式開始，到缺失值判斷、統(tǒng)計、處理、計算等。
到此這篇關(guān)于Pandas 缺失數(shù)據(jù)處理代碼匯總的文章就介紹到這了,更多相關(guān)Pandas 缺失數(shù)據(jù)處理 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Python程序員開發(fā)中常犯的10個錯誤,不知道你有沒有中槍呢,需要的朋友可以參考下2014-07-07
使用Python實現(xiàn)一個蔡徐坤大戰(zhàn)籃球的小游戲(推薦)
這篇文章主要介紹了用Python實現(xiàn)一個蔡徐坤大戰(zhàn)籃球的小游戲,本文通過示例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-12-12
解決Mac下首次安裝pycharm無project interpreter的問題
今天小編就為大家分享一篇解決Mac下首次安裝pycharm無project interpreter的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
這篇文章主要介紹了python中的__dict__屬性介紹，首先通過將字典轉(zhuǎn)換成對象的小技巧，展開標(biāo)題介紹，具有一定的參考價值，下文具體的相關(guān)介紹需要的小伙伴可以參考一下2022-04-04
在本篇內(nèi)容里我們給大家整理了關(guān)于Python3中ceil()函數(shù)用法以及相關(guān)知識點，需要的學(xué)習(xí)一下吧。2019-02-02
這篇文章主要介紹了在Pandas中更改DataFrame中的值方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
django利用request id便于定位及給日志加上request_id
這篇文章主要介紹了django利用request id便于定位及給日志加上request_id的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用django具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起看看吧2018-08-08
本篇文章給大家分享了Python應(yīng)用庫大全的相關(guān)內(nèi)容，對此有需要的可以學(xué)習(xí)下。2018-05-05
Python?設(shè)計模式創(chuàng)建型單例模式
這篇文章主要介紹了Python?設(shè)計模式創(chuàng)建型單例模式，即Singleton，單例是一種設(shè)計模式，應(yīng)用該模式的類只會生成一個實例，下文詳細(xì)介紹需要的小伙伴可以參考一下2022-02-02
本文主要介紹了Python?打印不帶括號的元組，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2023-04-04