1.构造DataFrame（部分含有NaN）

有时候我们导入或处理数据, 会产生一些空的或者是 NaN 数据,如何删除或者是填补这些 NaN 数据就是我们今天所要提到的内容

import numpy as np
import pandas as pd
dates = pd.date_range('20200316',periods = 5)
df = pd.DataFrame(np.arange(30).reshape((5,6)), index = dates, columns = ['A','B','C','D','E','F'])
df.iloc[2,1] = np.nan
df.iloc[3,4] = np.nan
print(df)#输出A     B   C   D     E   F
2020-03-16   0   1.0   2   3   4.0   5
2020-03-17   6   7.0   8   9  10.0  11
2020-03-18  12   NaN  14  15  16.0  17
2020-03-19  18  19.0  20  21   NaN  23
2020-03-20  24  25.0  26  27  28.0  29

2.用dropna()删除含有NaN的行或列

如果想直接去掉有 NaN 的行或列, 可以使用 dropna

t = df.dropna(axis = 0,how = 'any')  # 0: 对行进行操作; 1: 对列进行操作  any': 只要存在 NaN 就 drop 掉; 'all': 必须全部是 NaN 才 drop
print(t)#输出A     B   C   D     E   F
2020-03-16   0   1.0   2   3   4.0   5
2020-03-17   6   7.0   8   9  10.0  11
2020-03-20  24  25.0  26  27  28.0  29

3.用fillna()替换NaN

v = df.fillna(0)    #用0替换含有NaN的值
print(v)#输出A     B   C   D     E   F
2020-03-16   0   1.0   2   3   4.0   5
2020-03-17   6   7.0   8   9  10.0  11
2020-03-18  12   0.0  14  15  16.0  17
2020-03-19  18  19.0  20  21   0.0  23
2020-03-20  24  25.0  26  27  28.0  29

4.用isnull()判断是否含有NaN

判断是否有缺失数据 NaN, 为 True 表示缺失数据

w = df.isnull()
print(w)#输出A      B      C      D      E      F
2020-03-16  False  False  False  False  False  False
2020-03-17  False  False  False  False  False  False
2020-03-18  False   True  False  False  False  False
2020-03-19  False  False  False  False   True  False
2020-03-20  False  False  False  False  False  False

检测在数据中是否存在 NaN, 如果存在就返回 True:

print(np.any(df.isnull() == True))#输出
True

Pandas——处理丢失的数据(含NaN的数据)相关推荐

python（numpy，pandas8）——pandas大范围赋值和增加特定数据，处理丢失数据（nan）
文章目录前言 pandas大范围赋值增加空数据处理丢失数据(nan) isnull:查看哪个数据是nan dropna:直接丢掉 fillna:赋值为0 前言根据莫烦Python的教程总结 ...
Pandas的学习(5.pandas中处理丢失数据和空值数据以及填充空值数据)
处理丢失数据有两种丢失的数据: -- None -- np.nan(NaN) 1.None None是Python自带的,其类型为python object.因此,N ...
[转载] 4.Pandas处理丢失数据
参考链接: Pandas处理丢失数据文章目录 0 引言1 Pandas处理丢失数据 0 引言 Pandas生成DataFrame表格,有时候表中会有一些空值(NaN),这时候就需要用到 .dropn ...
pandas生成新的累积连乘数据列（cumprod）、pandas生成新的累积连乘cumprod数据列（数据列中包含NaN的情况）、pandas计算整个dataframe的所有数据列的累积连乘
pandas生成新的累积连乘数据列(cumprod).pandas生成新的累积连乘cumprod数据列(数据列中包含NaN的情况).pandas计算整个dataframe的所有数据列的累积连乘cump ...
Pandas数据处理方法（包括数据库数据和普通文件数据）
pandas是一个强大的分析结构化数据的工具集:它的使用基础是Numpy(提供高性能的矩阵运算):用于数据挖掘和数据分析,同时也提供数据清洗功能. Pandas中常见的数据结构有两种: Series ...
机器学习中如何处理缺失数据（NAN和Ifo）？
机器学习中如何处理缺失数据(NAN)? 文章目录: 一.NAN 和 Inf 二.机器学习中空值的处理方法一.NAN 和 Inf NAN(Not A number):意思:不是一个数字,是一个空值 I ...
python 筛选重复数据和不重复数据_[Python] Pandas 对数据进行查找、替换、筛选、排序、重复值和缺失值处理...
1. 数据文件 2. 读数据 import pandas as pd data = pd.read_csv('D:\git\python\code\第5章\产品统计表.csv') print(data ...
智能驾驶车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》
智能驾驶车牌检测和识别(三)<CRNN和LPRNet实现车牌识别(含车牌识别数据集和训练代码)> 目录智能驾驶车牌检测和识别(三)<CRNN和LPRNet实现车牌识别(含车牌识 ...
pandas——数据移位、数据转换、数据合并、数据导出和日期数据的处理，时间序列等
pandas统计分析(下) 本文主要介绍使用pandas进行数据移位.数据转换.数据合并.数据导出和日期数据的处理,时间序列等. 数据移位数据移位就是在分析数据时,需要移动到上一条,在pandas中 ...

Pandas——处理丢失的数据(含NaN的数据)

文章目录

1.构造DataFrame（部分含有NaN）

2.用dropna()删除含有NaN的行或列

3.用fillna()替换NaN

4.用isnull()判断是否含有NaN

Pandas——处理丢失的数据(含NaN的数据)相关推荐

最新文章

热门文章