處理方式:
存在缺失值nan,並且是np.nan:
刪除存在缺失值的:dropna(axis='rows')
替換缺失值:fillna(df[].mean(), inplace=True)
不是缺失值nan,有默認標記的
1、存在缺失值nan,並且是np.nan
# 判斷數據是否為NaN # pd.isnull(df),pd.notnull(df),pd.isna(df) # 讀取數據 movie = pd.read_csv("./date/IMDB-Movie-Data.csv") ##第一種 刪除 # pandas刪除缺失值,使用dropna的前提是,缺失值的類型必須是np.nan # 刪除缺失值為np.nan的所在行 movie.dropna() # 第二種 替換缺失值 # 替換存在缺失值的樣本 # 替換 填充平均值 movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True) # 替換 填充自定義值 movie['Metascore'].fillna(11, inplace=True)
2、不是缺失值nan,有默認標記的
1、先替換默認標記值為np.nan
df.replace(to_replace=, value=)
2、在進行缺失值的處理
# 把一些其它值標記的缺失值,替換成np.nan
mm = moive.replace(to_replace='默認值', value=np.nan)
[bom485332 ] Pandas缺失值2種處理方式代碼實例已經有264次圍觀