【数据分析就业实战】——缺失值的常见处理方法

缺失值填补：

1、用0填补

df.fillna(0)

2、中位数填补

df.fillna(df.median(),inplace=True)

当变量较多时，用中位数代替是一种稳健的方法。

3、均值填补

df.fillna(df.mean(),inplace=True)

4、众数填补

df.fillna(df.mode().iloc[0],inplace=True)

5、用一个字符串代替缺失值

df.fillna('missing')

【数据分析就业实战】——缺失值的常见处理方法相关推荐

开班倒计时！12月1日—CDA数据分析就业班火热报名中
CDA数据分析就业班火热报名中 ! "为什么要学习数据分析?如果你想到找一个拥有大量需求的职业,你需要为一些越来越常见以及廉价的东西提供稀缺且附带额外价值的服务.什么东西正变得越来越 ...
第74期CDA数据分析就业班即将在北京、成都、重庆三校同步开课，欢迎咨询！...
前言 "为什么要学习数据分析?如果你想到找一个拥有大量需求的职业,你需要为一些越来越常见以及廉价的东西提供稀缺且附带额外价值的服务.什么东西正变得越来越常见和飞速积累?数据.什么是为数据提供 ...
Python数据分析高薪实战第十二天网络服务用户流失预测分析和国产电视剧评分预测分析
29 综合实战:网络服务用户流失预测与分析绝大多数互联网公司都面临一个非常重要的问题:用户流失问题.随着互联网和移动互联网的充分发展,发展新用户(也就是一般所说的拉新)的成本越来越高,往往要几块或者 ...
Python数据分析高薪实战第十天数据绘图进阶与实战
24 图像的脊柱.注解和图例:如何画出更专业的图表? 前面两节课,我们学习了主流的几种 matplotlib 的图形形式,主要包括折线图.散点图.直方图.条形图和饼图.现在我们已经可以画出样式比较多的 ...
Python数据分析高薪实战第七天数据解析和电商行为分析案例
15 时间序列:时间数据的解析与应用在很多数据分析任务中,经常会遇到处理时间相关的数据.比如电商网站经常需要根据下单记录来分析不同时间段的商品偏好,以此来决定网站不同时间段的促销信息:又或者是通过对 ...
数据分析从零开始实战，Pandas读写Excel/XML数据
点击查看第一篇文章: 数据分析从零开始实战,Pandas读取HTML页面+数据处理解析_ 数据分析从零开始到实战,Pandas读写CSV数据_ 数据分析从零开始到实战,Pandas读写CSV数据 ...
Python数据分析与实战挖掘
<Python数据分析与实战挖掘> 张良均基础篇书推荐:<用python做科学计算> 扩展库简介 Numpy数组支持,以及相应的高效处理函数 Scipy矩阵支持,以及相应 ...
【笔记】《Python数据分析与实战挖掘》
<Python数据分析与实战挖掘> 张良均基础篇书推荐:<用python做科学计算> 扩展库简介 Numpy数组支持,以及相应的高效处理函数 Scipy矩阵支持,以及相应 ...
Python数据分析高薪实战第八天数据计算统计与分析
17 如何快速实现数据的批量计算? 接下来我们会进入一个全新的模块:数值类数据分析.在这个部分,我们会学习数据分析中常用的数学方法以及 Python 中处理数值数据的神器:NumPy. 在完成了本部分 ...

【数据分析就业实战】——缺失值的常见处理方法

【数据分析就业实战】——缺失值的常见处理方法相关推荐

最新文章

热门文章