本文主要介紹了pandas中NaN缺失值的處理方法，主要有兩種方法，具體如下：
import pandas as pd
兩種方法:
先判斷數(shù)據(jù)中是否存在NaN,通過(guò)下面兩個(gè)方法中任意一個(gè)
pd.isnull(dataframe) # dataframe為數(shù)據(jù) 如果數(shù)據(jù)中存在NaN返回True,如果沒(méi)有就返回False pd.notnull(dataframe) 該方法與isnull相反 any() 和 all() """ pd.isnull(dataframe).any() 判斷哪一個(gè)字段中存在缺失值沒(méi)有就返回False pd.notnull(dataframe).all() 判斷哪一個(gè)字段中存在缺失值沒(méi)有就返回True """
使用numpy也可以進(jìn)行判斷
import numpy as np np.any(pd.isnull(dataframe)) # 如果返回True,說(shuō)明數(shù)據(jù)中存在缺失值 np.all(pd.notnull(dataframe)) # 如果返回False, 說(shuō)明數(shù)據(jù)中存在缺失值
然后進(jìn)行數(shù)據(jù)處理
方式一: 刪除空值行
dataframe.dropna(inplace=False) """ dropna() 是刪除空值數(shù)據(jù)的方法, 默認(rèn)將只要含有NaN的整行數(shù)據(jù)刪除, 如果想要?jiǎng)h除整行都是空值的數(shù)據(jù)需要添加how='all'參數(shù) 默認(rèn)是刪除整行, 如果對(duì)列做刪除操作, 需要添加axis參數(shù), axis=1表示刪除列, axis=0表示刪除行 inplace: 是否在當(dāng)前的dataframe中執(zhí)行此操作, True表示在原來(lái)的基礎(chǔ)上修改, False表示返回一個(gè)新的值, 不修改原有數(shù)據(jù) """
方式二: 替換/插補(bǔ)
dataframe.fillna('替換的值value',inplace=False)
'''
把替換NaN的值傳入到fillna()中
'''
比如有的空值不是NaN, 有的是一個(gè)'?'
先替換
使用numpy把"?"替換為NaN
import numpy as np # 替換 dataframe.replace(to_replace="?", value=np.nan)
把其他的缺失值換為NaN后, 然后就按照缺失值為NaN的方式就行操作
如果只是單獨(dú)的刪除數(shù)據(jù)可以使用drop()方法
DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False) ''' 代碼解釋: labels : 就是要?jiǎng)h除的行列的名字,用列表指定 index : 直接指定要?jiǎng)h除的行 columns : 直接指定要?jiǎng)h除的列 inplace=False : 表示返回一個(gè)新的值, 不修改原有數(shù)據(jù) inplace=True : 表示在原來(lái)的基礎(chǔ)上修改 '''
例:
import pandas as pd
df = pd.read_csv('/text.xlsx')
# 刪除第0行和第1行
df.drop(labels=[0,1],axis=0)
# 刪除列名為 age 的列
df.drop(axis=1,columns=age)
到此這篇關(guān)于pandas中NaN缺失值的處理方法的文章就介紹到這了,更多相關(guān)pandas NaN缺失值內(nèi)容請(qǐng)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！
標(biāo)簽：四川 鷹潭 惠州 黔西 常德 黑龍江 益陽(yáng) 上海
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《pandas中NaN缺失值的處理方法》，本文關(guān)鍵詞 pandas,中,NaN,缺失,值,的,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。
