在Pandas中处理缺失数据

news2024/10/7 11:27:49

当没有为一个或多个项目或整个单元提供信息时，可能会出现数据缺失。缺失数据在现实生活中是一个非常大的问题。缺失数据在pandas中也可以称为NA（不可用）值。在DataFrame中，有时许多数据集只是缺少数据，因为它存在而未被收集，或者它从未存在过。例如，假设被调查的不同用户可能选择不共享他们的收入，一些用户可能选择不共享地址，以这种方式许多数据集丢失。

在这里插入图片描述
在Pandas中，缺失数据由两个值表示：

  • None：None是一个Python单例对象，通常用于Python代码中丢失的数据。
  • NaN：NaN（Not a Number的首字母缩写）是一个特殊的浮点值，所有使用标准IEEE浮点表示的系统都能识别它

Pandas将None和NaN视为基本上可互换的，用于指示缺失或空值。为了方便这个约定，有几个有用的函数可以检测，删除和替换Pandas DataFrame中的null值：

isnull()
notnull()
dropna()
fillna()
replace()
interpolate()

使用isnull（）和notnull（）检查缺少的值

为了检查Pandas DataFrame中缺少的值，我们使用了一个函数isnull（）和notnull（）。这两个函数都有助于检查值是否为NaN。这些函数也可以在Pandas系列中使用，以便在系列中查找空值。

使用isnull（）检查缺少的值

示例1：

# importing pandas as pd
import pandas as pd
  
# importing numpy as np
import numpy as np
  
# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
        'Second Score': [30, 45, 56, np.nan],
        'Third Score':[np.nan, 40, 80, 98]}
  
# creating a dataframe from list
df = pd.DataFrame(dict)
  
# using isnull() function  
df.isnull()

在这里插入图片描述
示例2：


# importing pandas package 
import pandas as pd 
    
# making data frame from csv file 
data = pd.read_csv("employees.csv") 
    
# creating bool series True for NaN values 
bool_series = pd.isnull(data["Gender"]) 
    
# filtering data 
# displaying data only with Gender = NaN 
data[bool_series]

在这里插入图片描述
使用notnull（）检查缺少的值
为了检查Pandas Dataframe中的空值，我们使用notnull（）函数，该函数返回布尔值的dataframe，对于NaN值为False。


# importing pandas as pd
import pandas as pd
  
# importing numpy as np
import numpy as np
  
# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
        'Second Score': [30, 45, 56, np.nan],
        'Third Score':[np.nan, 40, 80, 98]}
  
# creating a dataframe using dictionary
df = pd.DataFrame(dict)
  
# using notnull() function 
df.notnull()

在这里插入图片描述

# importing pandas package
import pandas as pd
	
# making data frame from csv file
data = pd.read_csv("employees.csv")
	
# creating bool series True for NaN values
bool_series = pd.notnull(data["Gender"])
	
# filtering data
# displaying data only with Gender = Not NaN
data[bool_series]

在这里插入图片描述

使用fillna（）、replace（）和interpolate（）填充缺失值

为了填充数据集中的空值，我们使用fillna（），replace（）和interpolate（）函数，这些函数将NaN值替换为它们自己的一些值。所有这些函数都有助于在DataFrame的数据集中填充空值。Interpolate（）函数基本上用于填充数据中的NA值，但它使用各种插值技术来填充丢失的值，而不是硬编码值。

代码1：用单个值填充空值

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
		'Second Score': [30, 45, 56, np.nan],
		'Third Score':[np.nan, 40, 80, 98]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)

# filling missing value using fillna()
df.fillna(0)

在这里插入图片描述
代码2：用先前的值填充空值

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
		'Second Score': [30, 45, 56, np.nan],
		'Third Score':[np.nan, 40, 80, 98]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)

# filling a missing value with
# previous ones
df.fillna(method ='pad')

在这里插入图片描述

代码3：用下一个值填充空值

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
		'Second Score': [30, 45, 56, np.nan],
		'Third Score':[np.nan, 40, 80, 98]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)

# filling null value using fillna() function
df.fillna(method ='bfill')

在这里插入图片描述

代码4：在CSV文件中填充空值

# importing pandas package
import pandas as pd
	
# making data frame from csv file
data = pd.read_csv("employees.csv")

# Printing the first 10 to 24 rows of
# the data frame for visualization
data[10:25]

在这里插入图片描述
现在我们要用“No Gender”来填充性别列中的所有空值

# importing pandas package
import pandas as pd
	
# making data frame from csv file
data = pd.read_csv("employees.csv")

# filling a null values using fillna()
data["Gender"].fillna("No Gender", inplace = True)

data

在这里插入图片描述
代码5：使用replace（）方法填充空值

# importing pandas package
import pandas as pd
	
# making data frame from csv file
data = pd.read_csv("employees.csv")

# Printing the first 10 to 24 rows of
# the data frame for visualization
data[10:25]

在这里插入图片描述
现在我们将数据中的所有Nan值替换为-99值。

# importing pandas package
import pandas as pd
	
# making data frame from csv file
data = pd.read_csv("employees.csv")
	
# will replace Nan value in dataframe with value -99
data.replace(to_replace = np.nan, value = -99)

在这里插入图片描述
代码6：使用interpolate（）函数使用线性方法填充缺失值。

# importing pandas as pd
import pandas as pd
	
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
				"B":[None, 2, 54, 3, None],
				"C":[20, 16, None, 3, 8],
				"D":[14, 3, None, None, 6]})
	
# Print the dataframe
df

在这里插入图片描述
让我们使用线性方法插值缺失值。请注意，线性方法忽略索引并将值视为等间距。

# to interpolate the missing values
df.interpolate(method ='linear', limit_direction ='forward')

在这里插入图片描述
正如我们可以看到的输出，第一行中的值无法填充，因为值的填充方向是向前的，并且没有可以用于插值的先前值。

使用dropna（）删除缺失值

为了从数据中删除空值，我们使用了dropna（）函数，该函数以不同的方式删除具有空值的数据集的行/列。

代码1：删除至少包含1个null值的行。

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
		'Second Score': [30, np.nan, 45, 56],
		'Third Score':[52, 40, 80, 98],
		'Fourth Score':[np.nan, np.nan, np.nan, 65]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)
	
df

在这里插入图片描述
现在我们删除至少有一个Nan值（Null值）的行

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
		'Second Score': [30, np.nan, 45, 56],
		'Third Score':[52, 40, 80, 98],
		'Fourth Score':[np.nan, np.nan, np.nan, 65]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)

# using dropna() function
df.dropna()

在这里插入图片描述
代码2：如果行中的所有值都丢失，则删除该行。

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, np.nan, np.nan, 95],
		'Second Score': [30, np.nan, 45, 56],
		'Third Score':[52, np.nan, 80, 98],
		'Fourth Score':[np.nan, np.nan, np.nan, 65]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)
	
df

在这里插入图片描述
现在我们删除所有数据缺失或包含空值（NaN）的行

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, np.nan, np.nan, 95],
		'Second Score': [30, np.nan, 45, 56],
		'Third Score':[52, np.nan, 80, 98],
		'Fourth Score':[np.nan, np.nan, np.nan, 65]}

df = pd.DataFrame(dict)

# using dropna() function	
df.dropna(how = 'all')

在这里插入图片描述

代码3：删除至少包含1个null值的列。

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, np.nan, np.nan, 95],
		'Second Score': [30, np.nan, 45, 56],
		'Third Score':[52, np.nan, 80, 98],
		'Fourth Score':[60, 67, 68, 65]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)
	
df

在这里插入图片描述
现在我们删除至少有1个缺失值的列

# importing pandas as pd
import pandas as pd

# importing numpy as np
import numpy as np

# dictionary of lists
dict = {'First Score':[100, np.nan, np.nan, 95],
		'Second Score': [30, np.nan, 45, 56],
		'Third Score':[52, np.nan, 80, 98],
		'Fourth Score':[60, 67, 68, 65]}

# creating a dataframe from dictionary
df = pd.DataFrame(dict)

# using dropna() function	
df.dropna(axis = 1)

在这里插入图片描述
代码4：删除CSV文件中至少有1个空值的行

# importing pandas module
import pandas as pd
	
# making data frame from csv file
data = pd.read_csv("employees.csv")
	
# making new data frame with dropped NA values
new_data = data.dropna(axis = 0, how ='any')
	
new_data

在这里插入图片描述
现在我们比较数据的大小，以便了解有多少行至少有1个Null值

print("Old data frame length:", len(data))
print("New data frame length:", len(new_data))
print("Number of rows with at least 1 NA value: ", (len(data)-len(new_data)))

输出：

Old data frame length: 1000
New data frame length: 764
Number of rows with at least 1 NA value:  236

由于差值为236，因此有236行在任何列中至少有1个Null值。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/742525.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

52 # 二叉树的前中后遍历

52 # 二叉树的前中后遍历

二叉树的遍历 线性数据结构遍历比较简单，可以采用正序遍历、逆序遍历。 遍历树的目的一般是修改树，比如修改树的节点，采用访问者模式 前序遍历 前序遍历（preorder traversal）：先访问根节点，…
阅读更多...
Go语言struct要使用 tags的原因解析

Go语言struct要使用 tags的原因解析

这篇文章主要介绍了为什么 Go 语言 struct 要使用 tags,在本文中，我们将探讨为什么 Go 语言中需要使用 struct tags，以及 struct tags 的使用场景和优势，需要的朋友可以参考下 在 Go 语言中，struct 是一种常见的数据类型&#xf…
阅读更多...
由于找不到vcomp100.dll,无法继续执行代码，解决方法

由于找不到vcomp100.dll,无法继续执行代码，解决方法

为什么会由于找不到vcomp100.dll,无法继续执行代码问题呢？ 文件被误删除：有时候，在进行系统清理或卸载应用程序时，可能会不小心删除了vcomp100.dll文件。如果某个程序依赖于该文件，并且文件被删除，那么该程…
阅读更多...
ESP32开发：IDFV4.4配置LVGL8.3

ESP32开发：IDFV4.4配置LVGL8.3

配置LVGL8.3源码 LVGL GITHUB代码仓库如下：https://github.com/lvgl/lvgl/tree/release/v8.3 官方已经在ESP32上移植好的代码demo，目前最新版是LVGL 7.9：https://github.com/lvgl/lv_port_esp32 我们可以将LVGL官方配置好的ESP32 LVGL仓库下…
阅读更多...
超详细的学习笔记：CSS盒子模型（附代码示例）

超详细的学习笔记：CSS盒子模型（附代码示例）

目录 一、CSS三大特性 1、继承性 2、层叠性 3、优先级 4、权重叠加的计算 二、PxCook的基本使用 三、盒子模型 1、盒子模型的介绍 2、内容的宽度和高度 3、边框 (border) 1、连写形式 2、单方向设置 3、单个属性 8、内边距（padding）和外边…
阅读更多...
arm学习stm32之spi总线数码管倒计时

arm学习stm32之spi总线数码管倒计时

由于时间没有用时间计时器操作&#xff0c;有些误差&#xff0c;后续有空会翻新计时器版本 main.c #include "spi.h" extern void printf(const char *fmt, ...); void delay_ms(int ms) {int i,j;for(i 0; i < ms;i)for (j 0; j < 1800; j); } int num[10…
阅读更多...
钉钉提示 redirect_url的域名不在appid的安全域名内

钉钉提示 redirect_url的域名不在appid的安全域名内

钉钉提示 redirect_url的域名不在appid的安全域名内 1、需要在《钉钉开放平台》- 开发者后台设置《钉钉扫码登陆功能》 2、如果钉钉界面没有钉钉扫码登陆功能-》点击浏览器右下角-》《返回旧版》 3、备注&#xff1a;当前访问的IP地址跟钉钉扫码登陆功能填写的IP地址需保持一致…
阅读更多...
代码审计工具Fortify基本使用

代码审计工具Fortify基本使用

最近接触到一款代码审计的工具 — Fortify SCA and Applications 22.2.0&#xff0c;现就其基本使用做一简单介绍&#xff01; Fortify是一个应用安全测试软件&#xff0c;是Micro Focus旗下AST&#xff08;应用程序安全测试&#xff09;产品。 Fortify能够提供静态和动态应用…
阅读更多...
Acwing 853.有边数限制的最短路

Acwing 853.有边数限制的最短路

Acwing 853.有边数限制的最短路 链接:853. 有边数限制的最短路 - AcWing题库 /* 题解:bellman_ford算法 可以算是一种暴力的算法了 他可以解决有复权边的单源最短路径 也可以解决图是否存在负环的问题 还可以求出 不超过k条边的最短路径问题 但是效率低下 时间复杂度为o(nk)n…
阅读更多...
超有趣的linux命令2

超有趣的linux命令2

超有趣的linux命令2 此次实验命令均在Ubuntu16.04版本上测试 注意有些命令需要在图形化界面才能显示效果 温馨提示&#xff1a;可能有人是第一次接触Ubuntu&#xff0c;所以下面详细写了如何配置源和网络&#xff0c;以及安装命令的方式 1. 首先配置软件源 以命令行方式配置…
阅读更多...
Comate代码助手推出，现场生成了贪吃蛇游戏，我们距离AI自动编程还有多远？

Comate代码助手推出，现场生成了贪吃蛇游戏，我们距离AI自动编程还有多远？

Comate代码助手推出&#xff0c;现场生成了贪吃蛇游戏&#xff0c;我们距离AI自动编程还有多远&#xff1f; 百度智能云推出“Comate”代码助手&#xff0c;并正式开放邀测&#xff0c;不算很意外。 毕竟让AI写代码&#xff0c;跑一跑贪吃蛇&#xff0c;算是传统艺能。 不过你…
阅读更多...
MongoDB 简介及安装（windows环境下）

MongoDB 简介及安装（windows环境下）

一、MongoDB 简介 1、MongoDB 是什么 MongoDB 是一个开源的、基于分布式的、面向文档存储的非关系型数据库。是非关系型数据库当中功能最丰富、最像关系数据库的。 MongoDB 将数据存储为一个文档&#xff0c;数据结构由键值(key>value)对组成。MongoDB 文档类似于 JSON 对…
阅读更多...
API全场景零码测试机器人——ATGen带来“超自动化”测试模式

API全场景零码测试机器人——ATGen带来“超自动化”测试模式

HDC期间可参与新手入驻华为云Testplan抽奖活动&#xff0c;活动链接在文末 众所周知&#xff0c;软件服务及组件之间的交互主要依赖大量的API接口。以华为云300多个商用云服务为例&#xff0c;平均每个服务含500接口&#xff0c;接口总数高达10万&#xff0c;接口调用上下文业务…
阅读更多...
[GWCTF 2019]babyvm 题解

[GWCTF 2019]babyvm 题解

虚拟机 这是一个虚拟机的题目 上图是虚拟机的执行流程&#xff0c;Dispatcher(分发器)读取Opcode&#xff08;虚拟机操作码&#xff09; 然后根据操作码进行跳转执行 所以做这道虚拟机的题&#xff0c;我们就要找到操作码 并且明白操作码对应的含义 然后对操作码进行一句一…
阅读更多...
MySQL整合篇（SQL语句执行流程--＞索引篇--＞事务篇--＞锁篇）

MySQL整合篇（SQL语句执行流程--＞索引篇--＞事务篇--＞锁篇）

MySQL 基础篇 1.1 执行一条SQL语句会发生什么 1. MySQL架构一共分为两层 server 和 存储引擎层&#xff08;一般为Innodb引擎&#xff09; 主要执行流程都在server层&#xff1a;连接器&#xff0c;查询缓存&#xff0c;解析SQL&#xff08;解析器&#xff09;&#xff0c;执行…
阅读更多...
MySQL存储函数和存储过程习题

MySQL存储函数和存储过程习题

创建表并插入数据 字段名 数据类型 主键 外键 非空 唯一 自增id INT 是 否 是 是 否name VARCHAR(50) 否 否 是 否 否glass VARCHAR(50) 否 否 是 否 否sch 表内容id name glass1 xiaommg glass 12 xiaojun glass 21、创建一个可以统计…
阅读更多...
零代码编程：用ChatGPT批量识别图片PDF中的文字

零代码编程：用ChatGPT批量识别图片PDF中的文字

有些PDF页面是图片格式&#xff0c;要怎么批量把图片中的文字识别出来&#xff1f;借助ChatGPT可以轻松完成这个任务。 首先要安装一些相关的软件和Python库。 安装tesseract-ocr&#xff08;OCR&#xff09;软件&#xff0c;最新版的是tesseract-ocr-w64-setup-v5.3.0.20221…
阅读更多...
BP神经网络数据分类——语音特征信号分类（Matlab代码实现）

BP神经网络数据分类——语音特征信号分类（Matlab代码实现）

目录 &#x1f4a5;1 概述 &#x1f4da;2 运行结果 &#x1f389;3 参考文献 &#x1f468;‍&#x1f4bb;4 Matlab代码 &#x1f4a5;1 概述 BP神经网络是一种常见的人工神经网络&#xff0c;用于数据分类和回归等任务。在语音特征信号分类中&#xff0c;BP神经网络可…
阅读更多...
ANSI转义码sehll演示脚本

ANSI转义码sehll演示脚本

ANSI转义码是我在修改文字颜色的时候了解的&#xff0c;以下是我翻译的一个shell小程序的画面 原文在此 他使用c写的&#xff0c;我调整了一下&#xff0c;用shell改写了一个 这是上传的脚本文件&#xff0c;设置的是免费的&#xff0c;可以下载看看玩玩 (3条消息) 【免费】A…
阅读更多...
Android Java代码与JNI交互基础数据类型转换(三)

Android Java代码与JNI交互基础数据类型转换(三)

🔥 Android Studio 版本 🔥 🔥 基础类型数据的转换 🔥 定义传递基础数据类型到JNI的函数 package com.cmake.ndk1.jni;public class JNIBasicType{static{System.loadLibrary("native-lib");}public native int callNativeInt(int num);public native byte …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023