python数据分析与挖掘（二十一）--- Pandas高级处理-缺失值处理

Python教程网：www.python88.cn

高级处理-缺失值处理

1 如何处理nan

对于NaN的数据，在numpy中我们是如何处理的？

在pandas中我们处理起来非常容易

• 判断数据是否为NaN：pd.isnull(df), pd.notnull(df)

处理方式：

• 存在缺失值nan, 并且是np.nan:

  • 1 删除存在缺失值的：dropna(axis='rows')

    • 注：不会修改原数据，需要接受返回值

  • 2 替换缺失值：fillna(value, inplace=True)

    • value：替换成的值
    • inplace：
      • True：会修改原数据
      • False：不替换修改原数据，生成新的对象
• 不是缺失值nan，有默认标记的

2 缺失值处理实例

• 电影数据文件获取

# 读取电影数据
movie = pd.read_csv("./IMDB/IMDB-Movie-Data.csv")

989    Martyrs    Horror    A young woman's quest for revenge against the ...    Pascal Laugier    Morjana Alaoui, Mylène Jampanoï, Catherine Bég...    2008    99    7.1    63785    NaN    89.0
990    Selma    Biography,Drama,History    A chronicle of Martin Luther King's campaign t...    Ava DuVernay    David Oyelowo, Carmen Ejogo, Tim Roth, Lorrain...    2014    128    7.5    67637    52.07    NaN

1 判断缺失值是否存在

• pd.notnull()

pd.notnull(movie)

Rank    Title    Genre    Description    Director    Actors    Year    Runtime (Minutes)    Rating    Votes    Revenue (Millions)    Metascore
0    True    True    True    True    True    True    True    True    True    True    True    True
1    True    True    True    True    True    True    True    True    True    True    True    True
2    True    True    True    True    True    True    True    True    True    True    True    True
3    True    True    True    True    True    True    True    True    True    True    True    True
4    True    True    True    True    True    True    True    True    True    True    True    True
5    True    True    True    True    True    True    True    True    True    True    True    True
6    True    True    True    True    True    True    True    True    True    True    True    True
7    True    True    True    True    True    True    True    True    True    True    False    True

2 存在缺失值nan，并且是np.nan

• 1 删除

pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan

# 不修改原数据
movie.dropna()

# 可以定义新的变量接受或者用原来的变量名
movie = movie.dropna()

• 2 替换缺失值

# 替换存在缺失值的样本的两列
# 替换填充平均值，中位数
movie['Revenue (Millions)'].fillna(movie['Revenue (Millions)'].mean(), inplace=True)
movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True)

结果：

989    Martyrs    Horror    A young woman's quest for revenge against the ...    Pascal Laugier    Morjana Alaoui, Mylène Jampanoï, Catherine Bég...    2008    99    7.1    63785    82.956376    89.000000
989    990    Selma    Biography,Drama,History    A chronicle of Martin Luther King's campaign t...    Ava DuVernay    David Oyelowo, Carmen Ejogo, Tim Roth, Lorrain...    2014    128    7.5    67637    52.070000    58.985043

3 不是缺失值nan，有默认标记的

数据是这样的：

wis = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data")

name = ["Sample code number", "Clump Thickness", "Uniformity of Cell Size", "Uniformity of Cell Shape", "Marginal Adhesion", "Single Epithelial Cell Size", "Bare Nuclei", "Bland Chromatin", "Normal Nucleoli", "Mitoses", "Class"]

处理思路分析：

• 1 先替换'?'为np.nan
  • df.replace(to_replace=, value=)
    • to_replace:替换前的值
    • value:替换后的值

# 把一些其它值标记的缺失值，替换成np.nan
wis = wis.replace(to_replace='?', value=np.nan)

• 2 在进行缺失值的处理

# 删除
wis = wis.dropna()

 

Python爬虫人工智能大数据公众号