Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply


一、获取缺失值。
二、剔除缺失值。
三、缺失值补全。
四、重复值剔除(按照行和列)。
五、数值转换。

原始数据展示。数据下载链接 https://download.csdn.net/download/qq_35240689/86723500?spm=1001.2014.3001.5503

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第1张图片

一、获取缺失值。

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第2张图片

1. 获取所有的缺失值.

获取所有的缺失值,返回一个 true 和 false 的表
Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第3张图片

df.isnull()

2. 统计缺失值,按照每一列统计

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第4张图片

df.isnull().sum()

3. 统计缺失值 按行

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第5张图片

df.isnull().sum(axis='columns')

4. 查看列 是否全部缺失

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第6张图片

df.isnull().all()

二、 剔除缺失值

1. 剔除 植物园 这一列缺失值的 2种方式
df1 = df.drop(columns='植物园')
df1 = df.drop('植物园', axis=1)

2.通过数据索引的方式来剔除掉缺测数据。 列
df1 = df.loc[:, ~(df.isnull().all())]

3. 删除所有 有缺失的行
df1[~(df1.isnull().any('columns'))]

这种方式看起来明显比drop()的方式要复杂一点,那么是不是意味着我们就学drop()就行了,不用再去记住索引方式。

当然不是!drop()看起来简单只是因为刚好只有一列需要剔除,加入我们需要剔除很多数据,那使用drop()就不足以完成任务,还是要配合索引的方式。

下面我们来看一下剔除行里的缺测值,上面的数据有很多行都有缺测值,如果在drop函数中一个一个填是很不现实的,那么我们看一下合理的解决方案应该是什么样的。


4. 以上两种方法都还是有一些复杂,这是因为其实pandas还内置了更方便的函数供我们调用,那就是dropna()

inplace 表示是否替换原数据

剔除列的缺失值; how=‘all’ 所有值为空才删除

df.dropna(axis='columns', how='all', inplace=True)

剔除行的缺失值;只要有一个值为空就删除

df.dropna(axis='index', how='any', inplace=True)



三、缺失值补全。

用前一行的数据填充

df.fillna(method='ffill')

用后一行的数据填充

df.fillna(method='bfill')



四、重复值剔除(按照行和列)。

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第7张图片
返回的是 True 和 False 的 列表

df.duplicated()

Python Pandas DataFrame 删除缺失值 None Nan drop dropna 替换缺失值 fillna 重复值删除 duplicate 数值替换 replace apply_第8张图片
剔除重复行

df.drop_duplicates()

返回的是 True 和 False 的 列表

df.duplicated(subset=['天坛'], keep=False)

剔除 天坛 这列里面的所有重复值

df.drop_duplicates(subset=['天坛'], keep=False)

五、数值转换

1. replace

单值转换,将Nan 替换成 -9999

df.replace(np.nan, -9999)

多值转化,将想替换的元素放在一个 [ ] 里就行

df.replace([np.nan, 0], -9999)
2. apply

replace可以进行简单的数据替换,但如果想进行更为复杂的操作replace是无法完成的。
然而对DataFrame而言,apply是非常重要的数据处理方法,它可以接收各种各样的函数(Python内置的或自定义的),处理方式很灵活,完成各种复杂的需求。他的实际作用是将函数作为一个对象,通过apply的调用对DataFrame里的数组元素应用这个函数。

只关注和设置这个规则,循环这种事情交给编程语言去处理

def aqi_level(aqi):
    if aqi>0 and aqi<=50:
        level = '优'
    elif aqi>50 and aqi<=100:
        level = '良'
    elif aqi>100 and aqi<=150:
        level = '轻度污染'
    elif aqi>150 and aqi<=200:
        level = '中度污染'
    elif aqi>200 and aqi<=300:
        level = '重度污染'
    else:
        level = '严重污染'
    return level

# 数据预处理一下  将所有的类型都转为 AQI
aqi = df[df['type']=='AQI']
aqi['东四'].apply(aqi_level)
  1. applymap
    apply() 可以实现对某一行或某一列的函数应用,如果想对 DataFrame中 的全部数值都使用这个函数来进行转化我们就需要用到 applymap()

#~aqi.columns.isin(['date', 'hour', 'type']) 取非这三列的所有列

aqi.loc[:, ~aqi.columns.isin(['date', 'hour', 'type'])].apply(np.mean, axis=0)

aqi.loc[:, ~aqi.columns.isin(['date', 'hour', 'type'])].applymap(aqi_level)

你可能感兴趣的:(Python,Pandas,python,pandas,数据分析)