Pandas数据处理：空值清洗、替换填充、级联与合并拼接
Pandas数据处理：空值清洗、替换填充、级联与合并拼接
针对空值的处理，首先要来了解一下空值的类型：
一、pandas中的None 和 NaN 有什么区别？
type(None) --类型是 NoneType 空的对象类型
type(NaN) --类型是 float 浮点型
注意：Pandas中None 和 NaN 都视作np.nan
二、Pandas 的空值操作
isnull() 判断null ，返回True/False 的数组
notnull() 空值判断
dropna() 过滤空值数据
fillna() 填充丢失数据
1、使用pandas过滤空值：
df.isnull().any(axis = 1)
# 解析： any中轴向：axis = 0 表示列 axis = 1 表示行
# 新函数： all(axis = 0) 所有数据
any(axis = 0) 任何一个
# df.isnull()表示返回一组True/False 的数组，any(axis = 1)表示横向判断行，一行中任意一个为true就这行就返回 True, 最后返回一维数组
# 最终返回结果如下：
1 False
2 True
3 False
4 False
5 True
# 扩展： df.isnull().all(axis = 1) 一行中任意一个为False就这行就返回 False, 最后返回一维数组
notnull() 的使用方法和isnull()正好相反：
df.notnull().all(axis = 1)
# 一行中任意一个为False就这行就返回 False, 最后返回一维数组
# 最终返回结果如下：
1 True
2 False
3 True
4 True
5 False
# 总结： 固定搭配如下：
isnull() --> any()
notnull() -->all()
最后过滤掉有空值的行
df.iloc[df.notnull().all(axis = 1)]
2、df.dropna() 过滤空数据所在的行或列 (可直接过滤)
df.dropna() 可以选择过滤的是行还是列，默认是行，dropna中axis=0 表示行; axis=1 表示列
df.dropna(axis=0) #等同于上面过滤方式，封装了上面操作
3、fillna() 填充丢失/空值数据
fillna中 axis=0 表示列；axis=1 表示行
可选择向前或向后填充：
- method ='bfill' 向后覆盖(空值取前一个)；
- method ='ffill' 向前覆盖(空值取后一个)；
df.fillna(value =5555) #填充df 中所有空值数据
df.fillna(method ='bfill',axis=0) # 列里的空值取列里空值取前一个填充
4、drop 删除数据
drop 中 axis=0 表示行，axis=1 表示列
删除无用的列，列索引：'name','name1'；inplace参数指是否替代原来的df
data.drop(labels=['name','name1'],axis = 1,inplace=True)
删除无用的行，行索引：'涨跌'
df.drop(['涨跌'], axis=0, inplace=True)
5、Pandas 删除空值行数据、替换空值案例代码：
import pandas as pd
from pandas import Series,DataFram
import numpy as np
# 提取数据
data = pd.read_excel('./测试数据.excel')
# 删除无用的列，列索引：'name','name1'
data.drop(labels=['name','name1'],axis = 1,inplace=True)
# 删除空数据所在的行
data.dropna(axis=0)
# 覆盖
v_1 = data.fillna(method='ffill',axis=0) .fillna(method='bfill',axis=0)
# 检测v_1中是否有空值
v_1.isnull().any(axis = 0) #通常检测列里是否有空值，因为行数太多
三、pandas的级联操作
定义：对DataFram 进行横向或纵向的拼接
使用pandas.concat()级联
1、匹配级联
和numpy.concatenate一样，优先增加行数（默认axis=0 )，numpy.concatenate(axis=1)的时候是水平的级联,numpy中没有index,和columns,所以只要行列相等就可以级联，
在pandas中,如果行 和 列不一致,但是shape相同,会级联成一个更大的df,不对应的值会填充NaN。
- 注意
纵向级联 axis=0：按行拼接--->在行上增加，列索引不匹配填充NaN
横向级联 axis=1：按列拼接--->在列上增加，行索引不匹配填充NaN
匹配级联拼接案例分析：
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
def make_df(cols,index):
data = {col:[str(col)+str(ind) for ind in index] for col in cols}
df = DataFrame(data = data,columns = cols ,index = index )
return df
df1 = make_df(['a','b','c'],[1,2,3])
# 输出
a b c
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
df2 = make_df(['a','b','c'],[4,5,6])
# 输出
a b c
4 a4 b4 c4
5 a5 b5 c5
6 a6 b6 c6
pd.concat([df1,df2],axis=``1``)
a b c a b c
1 a1 b1 c1 NaN NaN NaN
2 a2 b2 c2 NaN NaN NaN
3 a3 b3 c3 NaN NaN NaN
4 NaN NaN NaN a4 b4 c4
5 NaN NaN NaN a5 b5 c5
6 NaN NaN NaN a6 b6 c6
pd.concat([df1,df2],axis=``0``)
a b c
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
4 a4 b4 c4
5 a5 b5 c5
6 a6 b6 c6
2、不匹配级联
纵向级联( axis=0 -->在行上增加)时列索引不一致，
横向级联( axis=1 -->在列上增加)时行索引不一致
2.1、外连接：补NaN（默认）
df1 = make_df(['a','b','c'],[1,2,3])
# 输出
a b c
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
df5 = make_df(['c','d','e'],[3,4,5])
# 输出
c d e
3 c3 d3 e3
4 c4 d4 e4
5 c5 d5 e5
df6 = pd.concat([df1,df5],axis=1)
# 输出
a b c c d e
1 a1 b1 c1 NaN NaN NaN
2 a2 b2 c2 NaN NaN NaN
3 a3 b3 c3 c3 d3 e3
4 NaN NaN NaN c4 d4 e4
5 NaN NaN NaN c5 d5 e5
df6 = pd.concat([df1,df5],axis=0)
# 输出
a b c d e
1 a1 b1 c1 NaN NaN
2 a2 b2 c2 NaN NaN
3 a3 b3 c3 NaN NaN
3 NaN NaN c3 d3 e3
4 NaN NaN c4 d4 e4
5 NaN NaN c5 d5 e5
2.2、内连接(join='inner')：只连接匹配的项(行或者列)其他项(行或者列)忽略
join_axes=[df1.columns] 的值是一个列表，表示指定以 df1.columns列索引 或 df1.index行索引为连接，只连接匹配的项(行或者列)
df6 = pd.concat([df1,df5],axis=1,join='inner')
# 输出
a b c c d e
3 a3 b3 c3 c3 d3 e3
df7 = pd.concat([df1,df5],join_axes=[df1.columns])
#join_axes 的值是一个列表[df1.index]
# 输出
a b c
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
3 NaN NaN c3
4 NaN NaN c4
5 NaN NaN c5
2.3、使用append()函数添加
append专门用于在后面添加，append 和 concat 相似
append是纵向拼接，( axis=0 -->在行上增加)
df1.append(df5)
# 同如下拼接方式
df6 = pd.concat([df1,df5],axis=0)
# 输出
a b c d e
1 a1 b1 c1 NaN NaN
2 a2 b2 c2 NaN NaN
3 a3 b3 c3 NaN NaN
3 NaN NaN c3 d3 e3
4 NaN NaN c4 d4 e4
5 NaN NaN c5 d5 e5
四、Pandas的 合并拼接操作
merge方法主要基于两个dataframe的共同列进行合并，
join方法主要基于两个dataframe的索引进行合并，
concat方法是对series或dataframe进行行拼接或列拼接。
1. Merge方法
pandas的merge方法是基于共同列，将两个dataframe连接起来。merge方法的主要参数：
- left/right：左/右位置的dataframe。
- how：数据合并的方式。left：基于左dataframe列的数据合并；right：基于右dataframe列的数据合并；outer：基于列的数据外合并（取并集）；inner：基于列的数据内合并（取交集）；默认为'inner'。
- on：用来合并的列名，这个参数需要保证两个dataframe有相同的列名。
- left_on/right_on：左/右dataframe合并的列名，也可为索引，数组和列表。
- left_index/right_index：是否以index作为数据合并的列名，True表示是。
- sort：根据dataframe合并的keys排序，默认是。
- suffixes：若有相同列且该列没有作为合并的列，可通过suffixes设置该列的后缀名，一般为元组和列表类型。
merges通过设置how参数选择两个dataframe的连接方式，有内连接，外连接，左连接，右连接，下面通过例子介绍连接的含义。
1.1 内连接
how='inner'，dataframe的链接方式为内连接，我们可以理解基于共同列的交集进行连接，参数on设置连接的共有列名
# 单列的内连接
# 定义df1
import pandas as pd
import numpy as np
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],
'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
# print(df1)
# print(df2)
# 基于共同列alpha的内连接
df3 = pd.merge(df1,df2,how='inner',on='alpha')
df3
取共同列alpha值的交集进行连接。
1.2 外连接
how='outer'，dataframe的链接方式为外连接，我们可以理解基于共同列的并集进行连接，参数on设置连接的共有列名。
# 单列的外连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],
'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
# 基于共同列alpha的内连接
df4 = pd.merge(df1,df2,how='outer',on='alpha')
df4
若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。
1.3 左连接
how='left'，dataframe的链接方式为左连接，我们可以理解基于左边位置dataframe的列进行连接，参数on设置连接的共有列名。
# 单列的左连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],
'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
# 基于共同列alpha的左连接
df5 = pd.merge(df1,df2,how='left',on='alpha')
df5
因为df2的连接列alpha有两个'A'值，所以左连接的df5有两个'A'值，若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。
1.4 右连接
how='right'，dataframe的链接方式为左连接，我们可以理解基于右边位置dataframe的列进行连接，参数on设置连接的共有列名。
# 单列的右连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],
'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
# 基于共同列alpha的右连接
df6 = pd.merge(df1,df2,how='right',on='alpha')
df6
因为df1的连接列alpha有两个'B'值，所以右连接的df6有两个'B'值。若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。
1.5 基于多列的连接算法
多列连接的算法与单列连接一致，本节只介绍基于多列的内连接和右连接，读者可自己编码并按照本文给出的图解方式去理解外连接和左连接。
多列的内连接：
# 多列的内连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],
'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'beta':['d','d','b','f'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
# 基于共同列alpha和beta的内连接
df7 = pd.merge(df1,df2,on=['alpha','beta'],how='inner')
df7
多列的右连接：
# 多列的右连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],
'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'beta':['d','d','b','f'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
print(df1)
print(df2)
# 基于共同列alpha和beta的右连接
df8 = pd.merge(df1,df2,on=['alpha','beta'],how='right')
df8
1.6 基于index的连接方法
前面介绍了基于column的连接方法，merge方法亦可基于index连接dataframe
# 基于column和index的右连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],
'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])},index=['d','d','b','f'])
print(df1)
print(df2)
# 基于df1的beta列和df2的index连接，left_on='beta' 表示左边这一列作为右边的索引
df9 = pd.merge(df1,df2,how='inner',left_on='beta',right_index=True)
df9
图解index和column的内连接方法：
设置参数suffixes以修改除连接列外相同列的后缀名。
# 基于df1的alpha列和df2的index内连接
df9 = pd.merge(df1,df2,how='inner',left_on='beta',right_index=True,suffixes=('_df1','_df2'))
df9
2. join方法
join方法是基于index连接dataframe，merge方法是基于column连接，连接方法有内连接，外连接，左连接和右连接，与merge一致。
index与index的连接：
caller = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'], 'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})
other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],'B': ['B0', 'B1', 'B2']})
print(caller)print(other)# lsuffix和rsuffix设置连接的后缀名
caller.join(other,lsuffix='_caller', rsuffix='_other',how='inner')
join也可以基于列进行连接：
caller = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'], 'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})
other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],'B': ['B0', 'B1', 'B2']})
print(caller)
print(other)
# 基于key列进行连接
caller.set_index('key').join(other.set_index('key'),how='inner')
因此，join和merge的连接方法类似，这里就不展开join方法了，建议用merge方法
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型，支持深度思考和联网搜索！
· 基于 Docker 搭建 FRP 内网穿透开源项目（很简单哒）
· ollama系列01：轻松3步本地部署deepseek，普通电脑可用
· 25岁的心里话
· 按钮权限的设计及实现