【转】Pandas学习笔记（四）处理丢失值

Pandas学习笔记系列：

• Pandas学习笔记（一）基本介绍
• Pandas学习笔记（二）选择数据
• Pandas学习笔记（三）修改&添加值
• Pandas学习笔记（四）处理丢失值
• Pandas学习笔记（五）合并 concat
• Pandas学习笔记（六）合并 merge
• Pandas学习笔记（七）plot画图

原文：https://morvanzhou.github.io/tutorials/data-manipulation/np-pd/3-4-pd-nan/ 本文有删改

建立含 NaN 的矩阵

有时候咱们导入或处理数据, 会产生一些空的或者是 NaN 数据,如何删除或者是填补这些 NaN 数据就是咱们今天所要提到的内容.

创建了一个6X4的矩阵数据而且把两个位置的值为空.

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])
df.iloc[0,1] = np.nan
df.iloc[1,2] = np.nan
"""
             A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23
"""

注意：如下函数并不会在原数据上作修改，只是会返回一个新的pandas.DataFrame

pd.dropna()

若是想直接去掉有 NaN 的行或列, 能够使用 dropna

df.dropna(
    axis=0,     # 0: 对行进行操做; 1: 对列进行操做
    how='any'   # 'any': 只要存在 NaN 就 drop 掉; 'all': 必须所有是 NaN 才 drop 
    ) 
"""
             A     B     C   D
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23
"""

pd.fillna()

若是是将 NaN 的值用其余值代替, 好比代替成 0:

df.fillna(value=0)
"""
             A     B     C   D
2013-01-01   0   0.0   2.0   3
2013-01-02   4   5.0   0.0   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23
"""

pd.isnull()

判断是否有缺失数据 NaN, 为 True 表示缺失数据:

df.isnull() 
"""
                A      B      C      D
2013-01-01  False   True  False  False
2013-01-02  False  False   True  False
2013-01-03  False  False  False  False
2013-01-04  False  False  False  False
2013-01-05  False  False  False  False
2013-01-06  False  False  False  False
"""

检测在数据中是否存在 NaN, 若是存在就返回 True:

np.any(df.isnull()) == True  
# True

MARSGGBO♥原创

若有意合做，欢迎私戳

邮箱:marsggbo@foxmail.com

2019-10-30 12:02:06