pandas中的空值处理

阅读目录

• 1.1 有两种丢失数据：
• 1.2 np.nan（NaN）
• 1.3 pandas中的None与NaN
• 2.1 空值检测
• 2.2 空值过滤
• 2.3 空值填充¶

 

---

1.空值

1.1 有两种丢失数据：

• None: Python自带的数据类型 不能参与到任何计算中
• np.nan: float类型 能参与计算，但结果总是nan

# None+2  # 报错
# np.nan + 2  # 值仍然是nan

1.2 np.nan（NaN）

数组直接运算会得到nan，但可以使用np.nansum()函数来计算nan，此时视nan为0。

ndarr = np.array([1,2,3,np.nan])
np.sum(ndarr)
np.nansum(ndarr)

Series和DataForm可以直接处理nan

s1 = Series([1,2,3,np.nan])
s1

0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

s1.sum()
6.0

df1 = DataFrame([1,2,3,np.nan])
df1

df1.sum()
0    6.0
dtype: float64

1.3 pandas中的None与NaN

s1 = Series([1,2,3,np.nan,None])  # 
s1

0    1.0
1    2.0
2    3.0
3    NaN
4    NaN
dtype: float64

df1 = DataFrame([1,2,3,np.nan,None])  # Series和DataFrame都会自动把None转换成NaN 然后 运算的时候会把NaN当成0
df1

2. 空值检测与空值处理

• isnull()
• notnull()
• dropna(): 过滤丢失数据
• fillna(): 填充丢失数据

2.1 空值检测

• isnull()
• notnull()

用randint创建一个5*5的DataFrame作为例子

df = DataFrame(data=np.random.randint(0,100,size=(5,5)),columns=list('abcde'))
df.loc[1,'a'] = np.nan
df.loc[3,'b'] = np.nan
df.loc[0,'e'] = np.nan

isnull配合any使用，可以查看每一行是否存在空值

可以控制axis改变方向，查看某一列是否存在空值

2.2 空值过滤

• dropna()

可以选择过滤的是行还是列（默认为行）

df.dropna()  # 默认 保留没有空值的行

也可以选择过滤的方式 how = 'all',代表全部为空则删除

2.3 空值填充¶

• fillna()

# value=None 默认情况
df.fillna(value=50)

也可以选择从前面找值来填充还是从后面找值来填充

# method指的是 如何对空值进行填充
# 'bfill'从后面找值来填充 ffill从前面找值来填充
# df.fillna(method='bfill')
# df.fillna(method='ffill') # 默认是纵向（从相邻样本的 同一特征中找值）

# df.fillna(method='bfill',axis=0) # 竖向
df.fillna(method='bfill',axis=1) # 横向

还可以限定最多填充几个连续的NaN

df.fillna(method='bfill',limit=1,inplace=True)  # 用来限制填充多少个

fillna()方法总结:

# value=None, method=None, axis=None, inplace=False, limit=None
# value直接指定 用什么值来填充
# method 指定填充方法
# axis 指定填充值的方向
# inplace 指的是是否对原df进行替换
# limit 限制填充的个数
df.fillna()