1. Pandas缺失值

对于表格数据而言，缺失值分为三种：

一是Pandas中的空值（NaN）
二是Pandas中的正负无穷（inf），严格意义上也不算缺失值，表示无穷！
三是自定义的缺失值。

1.1. Pandas中的空值

Pandas中的空值有三个：np.nan (Not a Number) 、 None 和 pd.NaT(时间格式的空值，注意大小写不能错)，这三个值可以用Pandas中的函数isnull()，notnull()，isna()进行判断。

isnull()和notnull()的结果互为取反，isnull()和isna()的结果一样。

需要特别注意三点：

如果某一列数据全是空值且包含pd.NaT，np.nan和None会自动转换成pd.NaT。

空值(np.nan、None、pd.NaT)既不是空字符串"“，也不是空格” "。

None是一个 Python 对象
不可以用在任意的 NumPy 或 Pandas 数组里，只用于列表且数据类型是 Object。
默认 Pandas 会将 None 转换成 NAN
对包含 None 元素的数组进行计算(如： sum, min, max)会抛出 TypeError 异常。

import pandas as pd
import numpy as npdf = pd.DataFrame({'float': [1.3,5.2,np.nan],'int': [1,8,None],'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,pd.NaT],'string': ['python','pandas','numpy']})

例如通过df.isnull()查看缺失情况。

1.2. Pandas中的正负无穷

对于特别大的数字，或者除数为0时，将产生正负无穷，Pandas中用np.inf表示。

import pandas as pd
import numpy as npdf = pd.DataFrame({'float': [1.3,5.2,np.nan],'int': [1,8,None],'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,pd.NaT],'string': ['python','pandas','numpy']})
df['inf'] = df['float']/0

1.3. 自定义缺失值

自定义缺失值有很多不同的形式，如上面刚说的空字符串和空格(当然，一般不用这两个，因为看起来不够直观)。

在获取数据时，可能会有一些数据无法得到，也可能数据本身就没有，造成了缺失值。对于这些缺失值，在获取数据时通常会用一些符号之类的数据来代替，如问号？，斜杠/，字母NA等。

2. 处理缺失数据

2.1. 用数组过滤

用 df.isin([np.nan, np.inf, -np.inf]) 方法
用 df.any() 方法只要包含任意一个缺失的值，any()一个序列中满足一个True，则返回True
最后，用布尔数组来进行切分。

import pandas as pd
import numpy as npdf = pd.DataFrame({'float': [1.3,5.2,np.nan],'int': [1,8,None],'datetime': [pd.Timestamp('2018-03-10'),pd.Timestamp('2019-05-10'),pd.NaT],'string': ['python','pandas','numpy']})
df[~df.isin([np.nan, np.inf, -np.inf]).any(axis=1)]

2.2. 替换 inf 和 -inf 成 NaN, 然后选择非空的行数据

用df.replace([np.inf, -np.inf], np.nan)，把正负无穷为空值np.nan
再用df.notnull()，筛选非空数据
再用df.all()，all()一个序列中所有值为True时，返回True，否则为False。

import pandas as pd
import numpy as npdf = pd.DataFrame({'float': [1.3,5.2,np.inf],'int': [1,8,None],'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,pd.Timestamp('2019-05-10')],'string': ['python','pandas','numpy']})
dfdf['inf'] = df['float']/0
dfdf['inf'].replace(np.inf, 0, inplace=True)
dfdf[df.replace([np.inf, -np.inf], np.nan).notnull().all(axis=1)]
#df[df.notnull().all(axis=1)]

2.3. 替换 inf 和 -inf 成 NaN，再用dropna() 方法删除为空的数据

pandas中的dataframe对象，删除缺失值的方式：

df.dropna(how=‘all’) #删除所有内容均为缺失值的行
df.dropna(axis=1) #丢弃有缺失值的列
df.dropna(axis=1, how = ‘all’) #丢弃所有列中所有值均缺失的列

import pandas as pd
import numpy as npdf = pd.DataFrame({'float': [1.3,5.2,np.inf],'int': [1,8,None],'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,pd.Timestamp('2019-05-10')],'string': ['python','pandas','numpy']})
df['inf'] = df['float']/0
dfdf.dropna(axis=1).head(3)df.replace([np.inf, -np.inf], np.nan).dropna(axis=1).head(3)

或者：

将某1列（series格式）中的 inf 替换为数值

import numpy as npdf['Col'][np.isinf(df['Col'])] = -1

将某1列（series格式）中的 inf 替换为NA值

import numpy as npdf['Col'][np.isinf(df['Col'])] = np.nan

2.4. 用df.fillna(value=values) 将缺失的数据进行填充

填充缺失值：

fillna(method=‘ffill’/‘bfill’, # ffill向前填充；bfill向后填充。
axis=0/1 # 按行/列进行填充
)

例如：

data.fillna(0, inplace=True) # 填充0
data.fillna(method=‘ffill’) # 按列，向前进行填充
data.fillna(method=‘bfill’,axis=1) # 按照行，向后进行填充
data.fillna(data.mean()) # 填充平均值

import pandas as pd
import numpy as npdf = pd.DataFrame({'A':[1,np.nan],'B':[21,3],'C':[4,5]})
#制造inf
df['D'] = df['C']/0
print(df)
#替换正inf为NaN
df.replace(np.inf, np.nan, inplace=True)
df['E'] = -df['B']/0
print(df)
#替换正、负inf为0
df.replace([np.inf, -np.inf], 0, inplace=True)
#单列替换NaN为10
df['A'].fillna(10, inplace=True)
#替换NaN为0
df.replace(np.nan, 0, inplace=True)
print(df)

3. Pandas处理缺失值函数小结

isnull和notnull: 检测是否是空值，可用于dataframe和Series

dropna: 丢弃，删除缺失值

axis: 删除行还是列，{0 ro ‘index’, 1 or ‘columns’}， default 0
how: 如果等于any则任何值为空都删除，如果等于all则所有值都为空时才删除
inplace: 如果为True则修改当前dataframe, 否则返回新的dataframe

fillna: 填充空值

value: 用于填充的值，可以是单个值，或者字典（key是列名，value是值）
method: 等于ffill使用前一个部位空的值填充forword fill; 等于bfill使用后一个部位空的值天充backword fill
axis: 按行还是按列填充，{0 ro ‘index’, 1 or ‘columns’}
inplace: 如果为True则修改当前dataframe, 否则返回新的dataframe

replace: 替换，replace(to_replace, value) 前面是需要替换的值，后面是替换后的值。

inplace: 如果为True则修改当前dataframe, 否则返回新的dataframe

参考：

[1]. wumingxiaoyao. Python 玩转数据 18 - Pandas 数据清洗处理缺失值 None NA NaN inf dropna fillna isin isnull. CSDN博客. 2022.04
[2]. data_amateur. Python pandas中缺失值的种类(None、NA、NaN)及删除方式. CSDN博客. 2020.07
[3]. adam_hong. pandas 处理inf. 简书. 2021.10
[4]. 小斌哥ge. Pandas知识点-缺失值处理. 知乎. 2021.05

Pandas缺失值inf与nan处理实践相关推荐

pandas dataframe缺失值（np.nan）处理：识别缺失情况、删除、0值填补、均值填补、中位数填补、加缺失标签、插值填充详解及实例
pandas dataframe缺失值(np.nan)处理:识别缺失情况.删除.0值填补.均值填补.中位数填补.加缺失标签.插值填充详解及实例 isnull().natna().isna().fill ...
使用KNN进行缺失值填补详解及实践
使用KNN进行缺失值填补详解及实践使用KNN进行缺失值填补详解及实践数据缺失填充方式分为很多种: 删除法.均值法.回归法.KNN.MICE.EM等等.R语言包中在此方面比较全面,python稍差. ...
数据预处理+缺失值处理方案+Missing Value+pandas+缺失值填充方法、方案
数据预处理+缺失值处理方案+Missing Value+pandas+缺失值填充方法.方案缺失值+sklearn from sklearn.preprocessing import Imputer ...
pytorch笔记：处理inf和nan数值
import torch import numpy as np a = torch.Tensor([[1, 2, np.nan], [np.inf, np.nan, 4], [3, 4, 5]]) ' ...
python 温度插值nan处理_Python处理inf和Nan值,pytorch,nan,数值
在构建网络框架后,运行代码,发现很多tensor出现了inf值或者nan,在很多博客上没有找到对应的解决方法,大部分是基于numpy写的,比较麻烦.下面基于torch BIF函数实现替换这2个值. a ...
python判断nan格式_关于Python中Inf与Nan的判断问题详解
大家都知道在Python 中可以用如下方式表示正负无穷: float("inf") # 正无穷 float("-inf") # 负无穷利用 inf(infi ...
c语言中出现nan错误,c语言中浮点运算的inf和nan错误
============================================ 作者:yuanlulu http://blog.csdn.net/yuanlulu 版权没有,但是转载请保留此 ...
c语言isfinite_inf是什么意思,C语言中INF和NAN是什么意思
C语言当中的nan表示not a number,等同于 #IND:indeterminate (windows) 自定义函数: int isNumber(double d){return (d==d) ...
c语言输出 inf是什么意思,cuffdiff 输出文件中的inf和nan的意思
cuffdiff 输出文件(gene_exp.diff)中有的log2(FPKMy/FPKMx)值为inf或者-inf,有的test stat值为nan或-nan,他们的意思其实是来源于C语言.其中: ...
神经网络训练出现 Inf 或 NaN
问题描述: 神经网络训练出现 Inf 或 NaN Seed: 19 --- Hyper-parameters for training --- learning_rate: 0.002 crop_si ...

Pandas缺失值inf与nan处理实践