Python Pandas 对缺失数据的处理

数据丢失(缺失)在现实生活中总是一个问题。机器学习和数据挖掘等领域由于数据缺失导致的数据质量差，在模型预测的准确性上面临着严重的问题。在这些领域，缺失值处理是使模型更加准确和有效的重点。现在来看看如何处理使用_Pandas_的缺失值(如NA或NaN)。

检查缺失值

为了更容易地检测缺失值(以及跨越不同的数组dtype)，Pandas提供了isnull()和notnull()函数，它们也是Series和DataFrame对象的方法 -

缺少数据的计算

在求和数据时，NA将被视为0
如果数据全部是NA，那么结果将是NA

清理/填充缺少数据

_Pandas_提供了各种方法来清除缺失的值。fillna()函数可以通过几种方法用非空数据“填充”NA值，在下面的章节中将学习和使用。

用标量值替换NaN

以下程序显示如何用0替换NaN。

填写NA前进和后退

使用重构索引章节讨论的填充概念，来填补缺失的值。

丢失缺少的值

如果只想排除缺少的值，则使用dropna函数和axis参数。默认情况下，axis = 0，即在行上应用，这意味着如果行内的任何值是NA，那么整个行被排除。

替换丢失(或)通用值

很多时候，必须用一些具体的值取代一个通用的值。可以通过应用替换方法来实现这一点。用标量值替换NA是fillna()函数的等效行为

代码举例

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=[‘a’, ‘c’, ‘e’, ‘f’,
‘h’], columns=[‘one’, ‘two’, ‘three’])

df = df.reindex([‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’, ‘h’])

print(df[‘one’].isnull())
print(df[‘one’].notnull())
print(df[‘one’].sum())
print(df.fillna(0))
print(df.fillna(method=‘pad’)) # pad/fill 填充方法向前 bfill/backfill 填充方法向后
print(df.dropna())
print(df.dropna(axis=1))