pandas 空資料處理方法詳解
這篇文章主要介紹了pandas 空資料處理方法詳解,文中通過示例程式碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
方法一:直接刪除
1.檢視行或列是否有空格(以下的df為DataFrame型別,axis=0,代表列,axis=1代表行,以下的返回值都是行或列索引加上布林值)
isnull方法
檢視行:df.isnull().any(axis=1)
檢視列:df.isnull().any(axis=0)
notnull方法:
檢視行:df.notnull().all(axis=1)
檢視列:df.notnull().all(axis=0)
例子:
df.isnull().any(axis=1) # 檢測行內是否有空值 0 False 1 True 2 False 3 True 4 False 5 True 6 False 7 True 8 False 9 False dtype: bool
注意點:以上方法都可以用~取反的辦法獲取相反的結果
2.在1的前提下使用df.loc[],可取出1中篩選出資料的具體資料如:
df.loc[df.isnull().any(axis=1)]
取出這幾行的索引可用屬性index如:df.loc[df.isnull().any(axis=1)].index
得到這些索引後可以使用drop方法進行刪除如:
注意:drop方法中的axis值與其他方法相反,axis=0表示行,=1表示列。
df.drop(labels=drop_index,axis=0)
總結下來為4步:
一.使用isnull或notnull篩選:df.isnull().any(axis=0)
二.使用loc取出具體資料:df.loc[df.isnull().any(axis=1)]
三:取出這些資料的索引:df.loc[df.isnull().any(axis=1)].index
四.使用drop刪除:df.drop(labels=drop_index,axis=0)
方法二:填充空值
步驟和方法一前幾步相同
isnull()
notnull()
dropna(): 過濾丟失資料(df.dropna() 可以選擇過濾的是行還是列(預設為行):axis中0表示行,1表示的列)
fillna(): 填充丟失資料(可以選擇自主新增資料,或者用表中原有的資料進行補充)
1.使用dropna(不常用):df.dropna(axis=0)
2.使用fillna(常用):
一.df.fillna(value=666)給所有的控制賦值為666
二.df.fillna(method='ffill',axis=0) # axis=0表示在垂直方向填充(axis值:0為垂直,1為水平),使用上方的值對空值進行填充,組合起來就是,使用垂直方向上方的值對當前位置的值進行填充
三.df.fillna(method='bfill',axis=1) # axis=1表示在水平方向填充(axis值為0垂直1為水平),bfill表示使用後面的值對空值進行填充,組合起來就是,使用水平方向右邊的值對當前位置的值進行填充
總結:ffill(前)和bfill(後)決定前或後,axis決定垂直或水平
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。