Python中处理缺失值的2种方法

Python客栈

共 1549字,需浏览 4分钟

 ·

2022-05-25 06:00

人生苦短,快学Python!

在上一篇文章中,我们分享了Python中查询缺失值的4种方法。查找到了缺失值,下一步便是对这些缺失值进行处理,今天同样会分享多个方法!

删除-dropna

第一种处理缺失值的方法就是删除dropna()方法的参数如下所示。

df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

参数说明:

  • axis:选择删除行还是列,axis=0(默认)表示操作行,axis=1表示操作列。
  • how:与参数axis配合使用,可选的值为any(默认)或者all。
  • thresh:axis中至少有N个非缺失值,否则删除。
  • subset:参数类型为列表,表示删除时只考虑的索引或列名。
  • inplace:是否在原数据上操作。

在交互式环境中输入如下命令:

df.dropna(axis=0)

输出:

how参数中,any表示一行/列有任意元素为空时即丢弃,all表示一行/列所有值都为空时才丢弃。在上一行代码中,未设置how参数,则默认为any。

df.dropna(axis=0,how='all')

输出:

thresh参数中,比如thresh=3,如果该行中非缺失值的数量小于3,将删除该行。

df.dropna(axis=0, how="any", thresh=3)

输出:

只考虑"C列", "D列",在交互式环境中输入如下命令:

df.dropna(axis=0, how="any", subset=["C列""D列"])

输出:

填充-fillna

除了使用dropna()方法直接粗暴地删除缺失值,还可以使用fillna()填充缺失值。其参数如下所示。

df.fillna(value=None, method=None, axis=None, inplace=False, limit=None)

参数说明:

  • value:表示填充的值,可以是一个指定值,也可以是字典。
  • method: 填充的方式,默认为None。
  • axis:与method参数搭配使用,axis=0表示按行,axis=1表示按列。
  • inplace:是否在原数据上操作。
  • limit:表示填充执行的次数。如果是按行填充,则填充一行表示执行一次,按列同理。

在交互式环境中输入如下命令:

df.fillna(value=0)

输出:

在参数method中,ffill(或pad)代表用缺失值的前一个值填充;backfill(或bfill)代表用缺失值的后一个值填充。由于axis默认为0,所以这里的前后值即为上/下一行的值,如果想要使用左右值来填充,则设置axis=1

df.fillna(axis=0, method="ffill")

输出:

参数limit表示填充执行的次数,这里我们赋值为1,则代表仅按行填充1次。

df.fillna(axis=0, method="ffill", limit=1)

输出:

此外,还有一些不太常用的方法。比如除了通过fillna方法来填充缺失值外,还可以通过interpolate方法来填充。默认情况下使用线性差值,可以设置method参数来改变方式。

也可以通过字符串的replace()方法来替换缺失值。本来这部分想作为第三种方法介绍,写完发现有点“听君一席话,好似庄周带净化”,干脆作为小贴士吧。


人生苦短,快学Python!

往期推荐
1、喜大普奔!Python终行动,天下苦GIL久矣
2、好用!快速释放空间的微信清理工具
3、来挑战下这 10 个 Python 问题
4、Python中堪称神仙的6个内置函数
5、用 Python 远程控制 Windows 服务器,太好用了!
点击关注公众号,阅读更多精彩内容

浏览 61
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报