1.申请ID:daixiang
2.个人邮箱:daixiang@idcs.vip
3.原创技术文章:CSDN 戴翔的技术博客 《计算机基础进制转换(二进制、八进制、十进制、十六进制)》,《数据清洗--DataFrame中的空值处理》等
CSDN博客专家,秦淮区疾控中心托管社会公益组织指南针工作室志愿者,创业公司研发中心负责人,在校大学生。第二届大学生微信小程序应用开发大赛全国三等奖项目第一作者,微信小程序《约车吗》、《庆云慈善会》、《锋云速检》项目总工程师。
数据清洗是一项复杂且繁琐的工作,同时也是整个数据分析过程中最为重要的环节。在python中空值被显示为NaN。首先,我们要构造一个包含NaN的DataFrame对象。[Python] 纯文本查看 复制代码 >>> import numpy as np
>>> import pandas as pd
>>> from pandas import Series,DataFrame
>>> from numpy import nan as NaN
>>> data = DataFrame([[12,'man','13865626962'],[19,'woman',NaN],[17,NaN,NaN],[NaN,NaN,NaN]],columns=['age','sex','phone'])
>>> data
age sex phone
0 12.0 man 13865626962
1 19.0 woman NaN
2 17.0 NaN NaN
3 NaN NaN NaN 删除NaN删除NaN所在的行删除表中全部为NaN的行[Python] 纯文本查看 复制代码 >>> data.dropna(axis=0, how='all')
age sex phone
0 12.0 man 13865626962
1 19.0 woman NaN
2 17.0 NaN NaN 删除表中任何含有NaN的行[Python] 纯文本查看 复制代码 >>> data.dropna(axis=0, how='any')
age sex phone
0 12.0 man 13865626962 删除NaN所在的列删除表中全部为NaN的列[Python] 纯文本查看 复制代码 >>> data.dropna(axis=1, how='all')
age sex phone
0 12.0 man 13865626962
1 19.0 woman NaN
2 17.0 NaN NaN
3 NaN NaN NaN 删除表中任何含有NaN的列[Python] 纯文本查看 复制代码 >>> data.dropna(axis=1, how='any')
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3] 注意:axis 就是”轴,数轴“的意思,对应多维数组里的”维“。此处作者的例子是二维数组,所以,axis的值对应表示:0轴(行),1轴(列)。填充NaN如果不想过滤(去除)数据,我们可以选择使用fillna()方法填充NaN,这里,作者使用数值’0’替代NaN,来填充DataFrame。[Python] 纯文本查看 复制代码 >>> data.fillna(0)
age sex phone
0 12.0 man 13865626962
1 19.0 woman 0
2 17.0 0 0
3 0.0 0 0 我们还可以通过字典来填充,以实现对不同的列填充不同的值。[Python] 纯文本查看 复制代码 >>> data.fillna({'sex':233,'phone':666})
age sex phone
0 12.0 man 13865626962
1 19.0 woman 666
2 17.0 233 666
3 NaN 233 666
|