資料丟失(缺失)在現實生活中總是一個問題。 機器學習和資料探勘等領域由於資料缺失導致的資料質量差，在模型預測的準確性上面臨著嚴重的問題。 在這些領域，缺失值處理是使模型更加準確和有效的重點。

使用重構索引(reindexing)，建立了一個缺少值的DataFrame。 在輸出中，NaN表示不是數字的值。

一、檢查缺失值

為了更容易地檢測缺失值(以及跨越不同的陣列dtype)，Pandas提供了isnull()和notnull()函式，它們也是Series和DataFrame物件的方法

示例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3),index=['a','c','e','f','h'],columns=['one','two','three'])

df = df.reindex(['a','b','d','g','h'])

print(df)
print('\n')

print (df['one'].isnull())

輸出結果：

one two three
a 0.036297 -0.615260 -1.341327
b NaN NaN NaN
c -1.908168 -0.779304 0.212467
d NaN NaN NaN
e 0.527409 -2.432343 0.190436
f 1.428975 -0.364970 1.084148
g NaN NaN NaN
h 0.763328 -0.818729 0.240498

a False
b True
c False
d True
e False
f False
g True
h False
Name: one,dtype: bool

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,'h'])

print (df['one'].notnull())

輸出結果：
a True
b False
c True
d False
e True
f True
g False
h True
Name: one,dtype: bool

二、缺少資料的計算

• 在求和資料時，NA將被視為0
• 如果資料全部是NA，那麼結果將是NA
  

例項1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,'h'])

print(df)
print('\n')

print (df['one'].sum())

輸出結果：

one two three

a -1.191036 0.945107 -0.806292
b NaN NaN NaN
c 0.127794 -1.812588 -0.466076
d NaN NaN NaN
e 2.358568 0.559081 1.486490
f -0.242589 0.574916 -0.831853
g NaN NaN NaN
h -0.328030 1.815404 -1.706736

0.7247067964060545

示例2

import pandas as pd

df = pd.DataFrame(index=[0,1,2,3,4,5],'two'])

print(df)
print('\n')

print (df['one'].sum())

輸出結果：

one two
0 NaN NaN
1 NaN NaN
2 NaN NaN
3 NaN NaN
4 NaN NaN
5 NaN NaN

0

三、填充缺少資料

Pandas提供了各種方法來清除缺失的值。fillna()函式可以通過幾種方法用非空資料“填充”NA值。

用標量值替換NaN

以下程式顯示如何用0替換NaN。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(3,'e'],'c'])

print (df)
print('\n')

print ("NaN replaced with '0':")
print (df.fillna(0))

輸出結果：

one two three
a -0.479425 -1.711840 -1.453384
b NaN NaN NaN
c -0.733606 -0.813315 0.476788

NaN replaced with '0':
one two three
a -0.479425 -1.711840 -1.453384
b 0.000000 0.000000 0.000000
c -0.733606 -0.813315 0.476788

在這裡填充零值; 當然，也可以填寫任何其他的值。

替換丟失(或)通用值

很多時候，必須用一些具體的值取代一個通用的值。可以通過應用替換方法來實現這一點。用標量值替換NA是fillna()函式的等效行為。

示例

import pandas as pd

df = pd.DataFrame({'one':[10,20,30,40,50,2000],'two':[1000,60]})

print(df)
print('\n')

print (df.replace({1000:10,2000:60}))

輸出結果：

one two
0 10 1000
1 20 0
2 30 30
3 40 40
4 50 50
5 2000 60

one two
0 10 10
1 20 0
2 30 30
3 40 40
4 50 50
5 60 60

填寫NA前進和後退

使用重構索引章節討論的填充概念，來填補缺失的值。

方法	動作
pad/fill	填充方法向前
bfill/backfill	填充方法向後

示例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,'h'])

print(df)
print('\n')

print (df.fillna(method='pad'))

輸出結果：

one two three
a -0.023243 1.671621 -1.687063
b NaN NaN NaN
c -0.933355 0.609602 -0.620189
d NaN NaN NaN
e 0.151455 -1.324563 -0.598897
f 0.605670 -0.924828 -1.050643
g NaN NaN NaN
h 0.892414 -0.137194 -1.101791

one two three
a -0.023243 1.671621 -1.687063
b -0.023243 1.671621 -1.687063
c -0.933355 0.609602 -0.620189
d -0.933355 0.609602 -0.620189
e 0.151455 -1.324563 -0.598897
f 0.605670 -0.924828 -1.050643
g 0.605670 -0.924828 -1.050643
h 0.892414 -0.137194 -1.101791

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,'h'])

print (df.fillna(method='backfill'))

輸出結果：

one two three
a 2.278454 1.550483 -2.103731
b -0.779530 0.408493 1.247796
c -0.779530 0.408493 1.247796
d 0.262713 -1.073215 0.129808
e 0.262713 -1.073215 0.129808
f -0.600729 1.310515 -0.877586
g 0.395212 0.219146 -0.175024
h 0.395212 0.219146 -0.175024

四、丟失缺少的值

使用dropna函式和axis引數。 預設情況下，axis = 0，即在行上應用，這意味著如果行內的任何值是NA，那麼整個行被排除。

例項1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,'h'])

print (df.dropna())

輸出結果 ：

one two three
a -0.719623 0.028103 -1.093178
c 0.040312 1.729596 0.451805
e -1.029418 1.920933 1.289485
f 1.217967 1.368064 0.527406
h 0.667855 0.147989 -1.035978

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,'h'])

print (df.dropna(axis=1))

輸出結果：

Empty DataFrame
Columns: []
Index: [a,b,c,d,e,f,g,h]

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。