Python pandas 空值缺失值(NaN)处理填充替换判断删除含缺失空值数据行

缺失值处理

判断

datats_code  symbol  name area industry  list_date
0  000001.SZ     1.0  平安银行   深圳       银行   19910403
1  000002.SZ     NaN   万科A   深圳     全国地产   19910129
2  000004.SZ     4.0  ST国华  NaN     软件服务   19910114
3  000005.SZ     5.0  ST星源   深圳     环境保护   19901210
data.isna()ts_code  symbol   name   area  industry  list_date
0    False   False  False  False     False      False
1    False    True  False  False     False      False
2    False   False  False   True     False      False
3    False   False  False  False     False      False
data.isna()["area"]
0    False
1    False
2     True
3    False
Name: area, dtype: bool
data["area"].isna()
0    False
1    False
2     True
3    False
Name: area, dtype: bool

填充(替换)

data.fillna("-999")ts_code symbol  name  area industry  list_date
0  000001.SZ    1.0  平安银行    深圳       银行   19910403
1  000002.SZ   -999   万科A    深圳     全国地产   19910129
2  000004.SZ    4.0  ST国华  -999     软件服务   19910114
3  000005.SZ    5.0  ST星源    深圳     环境保护   19901210
data["area"].fillna("-999")
0      深圳
1      深圳
2    -999
3      深圳
Name: area, dtype: object
data["area"] = data["area"].fillna("-999")
datats_code  symbol  name  area industry  list_date
0  000001.SZ     1.0  平安银行    深圳       银行   19910403
1  000002.SZ     NaN   万科A    深圳     全国地产   19910129
2  000004.SZ     4.0  ST国华  -999     软件服务   19910114
3  000005.SZ     5.0  ST星源    深圳     环境保护   19901210

删除

data.dropna()ts_code  symbol  name area industry  list_date
0  000001.SZ     1.0  平安银行   深圳       银行   19910403
3  000005.SZ     5.0  ST星源   深圳     环境保护   19901210
data["area"].isna()
0    False
1    False
2     True
3    False
Name: area, dtype: bool
data[~data["area"].isna()]ts_code  symbol  name area industry  list_date
0  000001.SZ     1.0  平安银行   深圳       银行   19910403
1  000002.SZ     NaN   万科A   深圳     全国地产   19910129
3  000005.SZ     5.0  ST星源   深圳     环境保护   19901210

Python pandas 空值缺失值(NaN)处理填充替换判断删除含缺失空值数据行相关推荐

python pandas DataFrame 查找NaN所在的位置
python pandas DataFrame 查找 NaN 所在的位置 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期' ...
pandas使用query函数查询指定日期索引之间对应的dataframe数据行（select rows date index between a certain date interval)
pandas使用query函数查询指定日期索引之间对应的dataframe数据行(select rows where date index between a certain date interva ...
python pandas 如何找到NaN、缺失值或者某些元素的索引名称以及位置，np.where的使用
我们在处理数据的时候,经常需要检查数据的质量,也需要知道出问题的数据在哪个位置.我找了很久,也尝试了很多办法,都没能找到一种非常直接的函数,本文所要介绍的是一种我认为比较方便的方法:np.where( ...
pandas对缺失值NaN处理
看下面这张图片,其中有缺失值NaN,处理数据时需要先对缺失值进行处理 1 .如何处理缺失值nan 获取缺失值的标记方式(NaN或者其他标记方式) 如果缺失值的标记方式是NaN 判断数据中是否包含NaN ...
基于Python Unet的医学影像分割系统源码，含皮肤病的数据及皮肤病分割的模型，用户输入图像，模型可以自动分割去皮肤病的区域
手把手教你用Unet做医学图像分割我们用Unet来做医学图像分割.我们将会以皮肤病的数据作为示范,训练一个皮肤病分割的模型出来,用户输入图像,模型可以自动分割去皮肤病的区域和正常的区域.废话不多说, ...
python教程94--python两个excel表合并，删除不需要的数据操作流程
开发环境: Mac.python3.8 案例说明: 在日常的Excel操作过程中经常会遇到,两个Excel合并(根据某个条件).删除不需要的数据,用有效的数据进行分析统计的情况. 物料(2个excel ...
05_Pandas删除，替换并提取其中的缺失值NaN(dropna,fillna,isnull)
05_Pandas删除,替换并提取其中的缺失值NaN(dropna,fillna,isnull) 例如,当使用pandas读取csv文件时,如果元素为空,则将其视为缺失值NaN(非数字). 使用dro ...
python查询缺失值所在位置_Python Pandas找到缺失值的位置方法
问题描述: python pandas判断缺失值一般采用 isnull(),然而生成的却是所有数据的true/false矩阵,对于庞大的数据dataframe,很难一眼看出来哪个数据缺失,一共有多少个 ...
python pandas快速上手教程，还不赶紧收藏一波
pandas tutorials 1 使用pandas读取数据 1.1 panda读取csv文件 1.2 pandas显示读取的csv文件数据的开头几行 head(n) 1.3 pandas显示读取的 ...

Python pandas 空值缺失值(NaN)处理填充替换判断删除含缺失空值数据行

缺失值处理

Python pandas 空值缺失值(NaN)处理填充替换判断删除含缺失空值数据行相关推荐

最新文章

热门文章