极简pandas库NA

Pandas库中的pandas.NA

简要

在数据处理中，缺失值是一个常见的问题。Pandas库提供了一个专门的缺失值表示pandas.NA，它是pandas中用于表示缺失数据的核心对象。pandas.NA用于表示单个缺失值，它是pandas中用于表示缺失数据的核心对象。pandas.NA用于表示单个缺失值，是NaN（Not a Number）和None的推广，它能够处理更广泛的数据类型，包括整数、浮点数、布尔值、字符串以及分类数据等。

架构

pandas.NA是pandas库中pd.NA的别名，它是pandas缺失值表示的核心。在pandas中，缺失值通常由NA表示，而在NumPy中，缺失值由np.nan表示。pandas.NA与np.nan的主要区别在于，pandas.NA可以处理除了浮点数之外的其他数据类型，而np.nan只能表示浮点数的缺失值。

内容

1. 创建缺失值

import pandas as pd
# 创建一个包含缺失值的Series
s = pd.Series([1, 2, pd.NA, 4])
print(s)

输出：

0    1.0
1    2.0
2    
3    4.0
dtype: float64

2. 检查缺失值

# 检查Series中的缺失值
print(s.isna())
# 检查DataFrame中的缺失值
df = pd.DataFrame({
    'A': [1, 2, pd.NA],
    'B': [4, pd.NA, 6]
})
print(df.isna())

输出：

0    False
1    False
2     True
3    False
dtype: bool
     A      B
0  False  False
1  False   True
2   True  False

3. 缺失值填充

# 使用fillna方法填充缺失值
print(s.fillna(0))
# 使用fillna方法填充DataFrame中的缺失值
print(df.fillna(0))

输出：

0    1.0
1    2.0
2    0.0
3    4.0
dtype: float64
     A  B
0  1.0  4
1  2.0  0
2  0.0  6

4. 删除缺失值

# 删除Series中的缺失值
print(s.dropna())
# 删除DataFrame中的缺失值
print(df.dropna())

输出：

0    1.0
1    2.0
3    4.0
dtype: float64
   A  B
0  1  4
2  6

应用案例

假设我们有一个关于学生成绩的DataFrame，其中包含一些缺失值。我们可以使用pandas.NA和相关方法来处理这些缺失值。

import pandas as pd
# 创建一个包含缺失值的DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Math': [90, pd.NA, 85, 78],
    'Physics': [88, 92, pd.NA, 76]
}
df = pd.DataFrame(data)
# 检查缺失值
print(df.isna())
# 填充缺失值
df_filled = df.fillna(0)
print(df_filled)
# 删除缺失值
df_dropped = df.dropna()
print(df_dropped)

输出：

      Math  Physics
0    False    False
1     True    False
2    False     True
3    False    False
      Math  Physics
0  90.0  88.0
1   0.0  92.0
2  85.0   0.0
3  78.0  76.0
  Name  Math  Physics
0 Alice   90.0     88.0
3 David   78.0     76.0

在这个案例中，我们首先检查了DataFrame中的缺失值，然后使用fillna方法填充了缺失值，最后使用dropna方法删除了包含缺失值的行。