pandas检查和填充缺失值的N种方法总结

一、构建示例数据

import pandas as pd
import numpy as np
data = {"ID":[202001, 202002, 202003, 202004, 202005, 202006, 202007, 202008, 202009, 202010],
       "Chinese":[98, 67, 84, 88, 78, 90, 93, np.nan, 82, 87],
       "Math":[92, 80, 73, np.nan, 88, 78, 90, 82, 77, 69],
       "English":[88, 79, 90, 73, 79, 83, 81, np.nan, 71, np.nan]
       }
df = pd.DataFrame(data)
df

pandas检查和填充缺失值的N种方法总结_第1张图片

二、检查缺失值的n种方法

2.1 确认是否有缺失值的两种方法

df.isnull().values.any()

True

df.isnull().sum().any()

True

2.2 查看缺失数目和缺失率

df.isnull().sum()

all_data_na = (df.isnull().sum()/len(df))*100
all_data_na = all_data_na.drop(all_data_na[all_data_na == 0].index).sort_values(ascending=False)
missing_data = pd.DataFrame({'缺失率' : all_data_na})
missing_data

pandas检查和填充缺失值的N种方法总结_第2张图片

2.3 查看非缺失值数目

df.info()

pandas检查和填充缺失值的N种方法总结_第3张图片

df.shape[0] - df.isnull().sum()

df.notnull().sum()

三、缺失值填充三种示例

# 用上下平均值填充English
df['English'] = df['English'].fillna(df['English'].interpolate())
df.head(10)

pandas检查和填充缺失值的N种方法总结_第4张图片

# 用中位数填充value列:
df['Math'] = df['Math'].fillna(df['Math'].median())
df.head(10)

pandas检查和填充缺失值的N种方法总结_第5张图片

# 用-1填充Chinese列:
df['Chinese'] = df['Chinese'].fillna(-1)
df.head(10)

pandas检查和填充缺失值的N种方法总结_第6张图片

 到此这篇关于pandas检查和填充缺失值的N种方法总结的文章就介绍到这了,更多相关pandas检查和填充缺失值内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

你可能感兴趣的:(pandas检查和填充缺失值的N种方法总结)