一、python中None、null和NaN

注意：python中沒有null，只有和其意義相近的None。

1、None

1）數(shù)據(jù)類型

None表示空值，一個特殊Python對象，None的類型是NoneType。

None是NoneType數(shù)據(jù)類型的唯一值，我們不能創(chuàng)建其它NoneType類型的變量，但是可以將None賦值給任何變量。

type(None) #該值是一個空對象，空值是python里面一個特殊的值，用None表示。None不能理解為0，因為0是有意義，而None是一個特殊的空值。
type('')

2）特征：

• None不支持任何運算
• None和任何其他數(shù)據(jù)類型比較永遠返回False
• None有自己的數(shù)據(jù)類型NoneType，不能創(chuàng)建其他NoneType對象。（它只有一個值None）
• None與0、空列表、空字符串不一樣。
• None賦值給任何變量，也可以給None值變量賦值
• None沒有像len、size等屬性，要判斷一個變量是否為None，直接使用。

None==0 
None==‘'
None==False
dir(None) #返回參數(shù)屬性、方法列表

3）作為沒有return關(guān)鍵函數(shù)的返回值

對于所有沒有return語句的函數(shù)定義，python都會在末尾加上return None，使用不帶值的return語句（也就是只有return關(guān)鍵字本身），那么就返回None。

def fun1():
	print('test')
result=fun()
print(result)

2、NaN

1）當使用Numpy或者Pandas處理數(shù)據(jù)的時候，會自動將條目中沒有數(shù)據(jù)轉(zhuǎn)換為NaN。

import pandas as pd
df=pd.read_csv('F:\\python_test\\demo.csv',header=None)
print(df)

原數(shù)據(jù)為下圖：

2）特征

• NaN是沒有辦法和任何數(shù)據(jù)進行比較
• 它和任何值都不相等，包括他自己。
• 它的數(shù)類型是float，但是和任何值做計算的結(jié)果都是NaN

frame= pd.DataFrame([[1, 2, 3], 
                    [2, 3, 4],
                    [3, 4, np.nan]],
                   index=list('abc'), columns=list('ABC'))
num=frame.iloc[2,2]
result=num+2
result

二、實際應(yīng)用

1、使用read_sql讀取null數(shù)據(jù)顯示NaN

使用hive進行數(shù)據(jù)清洗、特征處理后，用python讀取hive數(shù)據(jù)庫下的整理好的表。

一般使用pyhive連續(xù)數(shù)據(jù)庫，pandas讀取數(shù)據(jù)。

pandas讀取hive數(shù)據(jù)庫下面的數(shù)據(jù)表

1、如果數(shù)據(jù)表字段為string格式，pandas讀取后在python中該字段數(shù)據(jù)格式為object，如果該字段中含有 NULL 值，讀取會直接轉(zhuǎn)換成字符串** ‘NULL’ **，如果該字段中含有’'（空值），讀取直接轉(zhuǎn)換成字符串 ** ‘’ **。

2、如果數(shù)據(jù)表字段為int格式，pandas讀取后在python中該字段數(shù)據(jù)格式為float64，如果該字段中含有 NULL 值或者 ‘’（空值），讀取直接轉(zhuǎn)換成字符串 NaN。

如果數(shù)據(jù)庫表的字段為string，字段中含NULL，多數(shù)意義就是默認為空值或者異常數(shù)值，使用pd.DataFrame或者read_sql()讀取，默認為字符串‘NULL’。

因此對此進行數(shù)值處理會導致很多報錯（比如ValueError: could not convert string to float: ‘NULL’），比如想要在python轉(zhuǎn)換數(shù)據(jù)類型的時候，或者想要對null進行缺失值填充等等。

因此想要將“NULL”轉(zhuǎn)換成“NaN”，后續(xù)更加方便。

from pyhive import hive
import pandas as pd
import numpy as np
#缺失值統(tǒng)計
def na_count(data):
    data_count=data.count()
    na_count=len(data)-data_count
    na_rate=na_count/len(data)
    na_result=pd.concat([data_count,na_count,na_rate],axis=1)
    return na_result
sql='''select is_vice_card,online_days,age,payment_type
,star_level_int,cert_cnt,channel_nbr,payment_method_variable,package_price_group,white_flag
 from database.v1_6_501_train_test'''
con=hive.connect(host='b1m6.hdp.dc',port=10000,auth='KERBEROS',kerberos_service_name="hive") 
cursor=con.cursor()
cursor.execute(sql) #執(zhí)行sql
result=cursor.fetchall()
data_pos_1=pd.DataFrame(result,columns=['is_vice_card',
		'online_days',
		'calling_cnt',
		'age',
		'payment_type',
		'star_level_int',
		'cert_cnt',
		'channel_nbr',
		'payment_method_variable',
		'package_price_group'])
print("未將‘NULL'替換成np.nan,查看train_data的缺失值：\n",na_count(data_pos_1))
#將str字段中的null轉(zhuǎn)換成空值		
data_pos_1.loc[data_pos_1['is_vice_card']=='NULL','is_vice_card'] = np.nan
data_pos_1.loc[data_pos_1['online_days']=='NULL','online_days'] = np.nan
data_pos_1.loc[data_pos_1['age']=='NULL','age'] = np.nan
data_pos_1.loc[data_pos_1['payment_type']=='NULL','payment_type'] = np.nan
data_pos_1.loc[data_pos_1['star_level_int']=='NULL','star_level_int'] = np.nan
data_pos_1.loc[data_pos_1['cert_cnt']=='NULL','cert_cnt'] = np.nan
data_pos_1.loc[data_pos_1['channel_nbr']=='NULL','channel_nbr'] = np.nan
data_pos_1.loc[data_pos_1['payment_method_variable']=='NULL','payment_method_variable'] = np.nan
data_pos_1.loc[data_pos_1['package_price_group']=='NULL','package_price_group'] = np.nan
print("將‘NULL'替換成np.nan,查看train_data的缺失值：\n",na_count(data_pos_1))

運行代碼，結(jié)果顯示：

查看未將“NULL”替換成np.nan,data_pos_1的缺失值：
                             0  1    2
is_vice_card             8289  0  0.0
online_days              8289  0  0.0
calling_cnt              8289  0  0.0
age                      8289  0  0.0
payment_type             8289  0  0.0
star_level_int           8289  0  0.0
cert_cnt                 8289  0  0.0
channel_nbr              8289  0  0.0
payment_method_variable  8289  0  0.0
package_price_group      8289  0  0.0
查看將“NULL”替換成np.nan,data_pos_1的缺失值：;
                             0     1         2
is_vice_card             7854   435  0.052479
online_days              7854   435  0.052479
calling_cnt              8289     0  0.000000
age                      7854   435  0.052479
payment_type             7854   435  0.052479
star_level_int           7830   459  0.055375
cert_cnt                 6134  2155  0.259983
channel_nbr              7847   442  0.053324
payment_method_variable  7890   399  0.048136
package_price_group      8289     0  0.000000

也可以在數(shù)據(jù)庫表建立將字段設(shè)置為int。

2、使用read_csv讀取null數(shù)據(jù)顯示為字符串null

一般默認為NaN

import pandas as pd
data_pos=pd.read_csv(file_pos,encoding='utf-8')
data_pos.head(10)

顯示為字符串為null

import pandas as pd
data_pos=pd.read_csv(file_pos,encoding='utf-8', na_filter=False)
#或
data_pos=pd.read_csv(file_pos,encoding='utf-8', keep_default_na=False)
#查看data_pos數(shù)據(jù)格式
data_pos[data_pos['online_days']=='NULL'].head(10)

到此這篇關(guān)于關(guān)于Python數(shù)據(jù)處理中的None、NULL和NaN的理解與應(yīng)用的文章就介紹到這了,更多相關(guān)Python數(shù)據(jù)處理中的空值內(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！

最新評論