Python数据分析笔记#7.1 处理缺失数据
toyiye 2024-09-14 13:36 3 浏览 0 评论
「目录」
数据清洗和准备
- 7.1 => 处理缺失数据
- 7.2 => 数据转换
- 7.3 => 字符串操作
处理缺失数据
在许多数据分析工作中,缺失数据是经常发生的,也许是不存在,也许是没有观察到。pandas作者说,pandas的目标之一就是尽量轻松的处理缺失数据。
对于数值数据,pandas使用浮点值NaN(Not a Number)表示缺失数据。
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: string_data = pd.Series(['red', 'orange', np.nan, 'green'])
In [4]: string_data
Out[4]:
0 red
1 orange
2 NaN
3 green
dtype: object
isnull方法可以检测缺失值:
In [5]: string_data.isnull()
Out[5]:
0 False
1 False
2 True
3 False
dtype: bool
滤除缺失数据
过滤掉缺失数据的方法有很多,比如dropna。
对于Series,dropna返回一个仅含非空数据和索引值的Series:
In [6]: from numpy import nan as NA
In [7]: data = pd.Series([1, NA, 3.5, NA, 7])
In [8]: data.dropna()
Out[8]:
0 1.0
2 3.5
4 7.0
dtype: float64
布尔索引也可以达到同样效果:
In [9]: data[data.notnull()]
Out[9]:
0 1.0
2 3.5
4 7.0
dtype: float64
对于DataFrame,dropna默认丢弃任何含有缺失值的行:
In [10]: data = pd.DataFrame([[1., 6.5, 3.], [1., NA, NA], [NA, NA, NA], [NA, 6.5, 3.0]])
In [11]: cleaned = data.dropna()
In [12]: data
Out[12]:
0 1 2
0 1.0 6.5 3.0
1 1.0 NaN NaN
2 NaN NaN NaN
3 NaN 6.5 3.0
In [13]: cleaned
Out[13]:
0 1 2
0 1.0 6.5 3.0
传入how = 'all'将只丢弃全为NaN的行:
In [14]: data.dropna(how='all')
Out[14]:
0 1 2
0 1.0 6.5 3.0
1 1.0 NaN NaN
3 NaN 6.5 3.0
用这种方式丢弃列,只需传入axis=1:
In [15]: data[4] = NA
In [16]: data
Out[16]:
0 1 2 4
0 1.0 6.5 3.0 NaN
1 1.0 NaN NaN NaN
2 NaN NaN NaN NaN
3 NaN 6.5 3.0 NaN
In [17]: data.dropna(axis=1, how='all')
Out[17]:
0 1 2
0 1.0 6.5 3.0
1 1.0 NaN NaN
2 NaN NaN NaN
3 NaN 6.5 3.0
另一种过滤掉数据的方式是传入thresh参数,指定保留一定数量的数据。比如下面这个例子,通过传入thresh=2,就过滤掉了第二行和第三行(这两行非NaN的数据不足2个)。
In [18]: data
Out[18]:
0 1 2 4
0 1.0 6.5 3.0 NaN
1 1.0 NaN NaN NaN
2 NaN NaN NaN NaN
3 NaN 6.5 3.0 NaN
In [19]: data.dropna(thresh=2)
Out[19]:
0 1 2 4
0 1.0 6.5 3.0 NaN
3 NaN 6.5 3.0 NaN
填充缺失数据
有时候你可能并不想滤掉缺失的数据,而是想要以某种方式填补这些空洞(缺失值)。大多数情况下,可以使用fillna方法,传入一个常数来替代那些缺失值。
In [20]: data
Out[20]:
0 1 2 4
0 1.0 6.5 3.0 NaN
1 1.0 NaN NaN NaN
2 NaN NaN NaN NaN
3 NaN 6.5 3.0 NaN
In [21]: data.fillna(0)
Out[21]:
0 1 2 4
0 1.0 6.5 3.0 0.0
1 1.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0
3 0.0 6.5 3.0 0.0
fillna方法会返回一个新对象,也可以通过传入inplace参数就地改变:
In [23]: _ = data.fillna(0, inplace=True)
In [24]: data
Out[24]:
0 1 2 4
0 1.0 6.5 3.0 0.0
1 1.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0
3 0.0 6.5 3.0 0.0
若将一个字典传入fillna,我们可以对每一列使用不同的填充值。
先随便创建一个有缺失值的DataFrame:
In [26]: df = pd.DataFrame(np.random.randn(7,3), columns = ['A', 'B', 'C'])
In [27]: df
Out[27]:
A B C
0 0.009956 -0.851042 -0.789721
1 0.589170 -0.328310 -0.094439
2 0.644725 -0.039017 1.176601
3 -0.197240 1.117631 -0.851569
4 0.286496 0.186569 0.416580
5 -2.093723 0.007716 -0.053022
6 0.724030 -0.379992 -1.624782
In [28]: df.iloc[:4,1] = NA
In [29]: df.iloc[:2,2] = NA
In [30]: df
Out[30]:
A B C
0 0.009956 NaN NaN
1 0.589170 NaN NaN
2 0.644725 NaN 1.176601
3 -0.197240 NaN -0.851569
4 0.286496 0.186569 0.416580
5 -2.093723 0.007716 -0.053022
6 0.724030 -0.379992 -1.624782
传入字典,B列的缺失值用666替代,而C列的缺失值用6666替代:
In [32]: df.fillna({'B':666, 'C':6666})
Out[32]:
A B C
0 0.009956 666.000000 6666.000000
1 0.589170 666.000000 6666.000000
2 0.644725 666.000000 1.176601
3 -0.197240 666.000000 -0.851569
4 0.286496 0.186569 0.416580
5 -2.093723 0.007716 -0.053022
6 0.724030 -0.379992 -1.624782
对reindex有效的那些插值方法也可以用在fillna:
In [33]: df = pd.DataFrame(np.random.randn(6, 3))
In [34]: df.iloc[2:, 1] = NA
In [35]: df.iloc[4:, 2] = NA
In [36]: df
Out[36]:
0 1 2
0 -0.104274 -0.132962 0.125710
1 0.283795 -0.333354 1.690303
2 0.461812 NaN 1.148663
3 -0.742873 NaN 0.595477
4 -0.655055 NaN NaN
5 -0.972139 NaN NaN
In [37]: df.fillna(method='ffill')
Out[37]:
0 1 2
0 -0.104274 -0.132962 0.125710
1 0.283795 -0.333354 1.690303
2 0.461812 -0.333354 1.148663
3 -0.742873 -0.333354 0.595477
4 -0.655055 -0.333354 0.595477
5 -0.972139 -0.333354 0.595477
In [38]: df.fillna(method='ffill', limit=2)
Out[38]:
0 1 2
0 -0.104274 -0.132962 0.125710
1 0.283795 -0.333354 1.690303
2 0.461812 -0.333354 1.148663
3 -0.742873 -0.333354 0.595477
4 -0.655055 NaN 0.595477
5 -0.972139 NaN 0.595477
最后我们也可以稍微更有创意的使用fillna方法,比如用平均值来填充缺失值:
In [40]: data = pd.Series([1., NA, 3.5, NA, 7])
In [41]: data.fillna(data.mean())
Out[41]:
0 1.000000
1 3.833333
2 3.500000
3 3.833333
4 7.000000
dtype: float64
To be continue...
相关推荐
- 为何越来越多的编程语言使用JSON(为什么编程)
-
JSON是JavascriptObjectNotation的缩写,意思是Javascript对象表示法,是一种易于人类阅读和对编程友好的文本数据传递方法,是JavaScript语言规范定义的一个子...
- 何时在数据库中使用 JSON(数据库用json格式存储)
-
在本文中,您将了解何时应考虑将JSON数据类型添加到表中以及何时应避免使用它们。每天?分享?最新?软件?开发?,Devops,敏捷?,测试?以及?项目?管理?最新?,最热门?的?文章?,每天?花?...
- MySQL 从零开始:05 数据类型(mysql数据类型有哪些,并举例)
-
前面的讲解中已经接触到了表的创建,表的创建是对字段的声明,比如:上述语句声明了字段的名称、类型、所占空间、默认值和是否可以为空等信息。其中的int、varchar、char和decimal都...
- JSON对象花样进阶(json格式对象)
-
一、引言在现代Web开发中,JSON(JavaScriptObjectNotation)已经成为数据交换的标准格式。无论是从前端向后端发送数据,还是从后端接收数据,JSON都是不可或缺的一部分。...
- 深入理解 JSON 和 Form-data(json和formdata提交区别)
-
在讨论现代网络开发与API设计的语境下,理解客户端和服务器间如何有效且可靠地交换数据变得尤为关键。这里,特别值得关注的是两种主流数据格式:...
- JSON 语法(json 语法 priority)
-
JSON语法是JavaScript语法的子集。JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔花括号保存对象方括号保存数组JS...
- JSON语法详解(json的语法规则)
-
JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔大括号保存对象中括号保存数组注意:json的key是字符串,且必须是双引号,不能是单引号...
- MySQL JSON数据类型操作(mysql的json)
-
概述mysql自5.7.8版本开始,就支持了json结构的数据存储和查询,这表明了mysql也在不断的学习和增加nosql数据库的有点。但mysql毕竟是关系型数据库,在处理json这种非结构化的数据...
- JSON的数据模式(json数据格式示例)
-
像XML模式一样,JSON数据格式也有Schema,这是一个基于JSON格式的规范。JSON模式也以JSON格式编写。它用于验证JSON数据。JSON模式示例以下代码显示了基本的JSON模式。{"...
- 前端学习——JSON格式详解(后端json格式)
-
JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScriptProgrammingLa...
- 什么是 JSON:详解 JSON 及其优势(什么叫json)
-
现在程序员还有谁不知道JSON吗?无论对于前端还是后端,JSON都是一种常见的数据格式。那么JSON到底是什么呢?JSON的定义...
- PostgreSQL JSON 类型:处理结构化数据
-
PostgreSQL提供JSON类型,以存储结构化数据。JSON是一种开放的数据格式,可用于存储各种类型的值。什么是JSON类型?JSON类型表示JSON(JavaScriptO...
- JavaScript:JSON、三种包装类(javascript 包)
-
JOSN:我们希望可以将一个对象在不同的语言中进行传递,以达到通信的目的,最佳方式就是将一个对象转换为字符串的形式JSON(JavaScriptObjectNotation)-JS的对象表示法...
- Python数据分析 只要1分钟 教你玩转JSON 全程干货
-
Json简介:Json,全名JavaScriptObjectNotation,JSON(JavaScriptObjectNotation(记号、标记))是一种轻量级的数据交换格式。它基于J...
- 比较一下JSON与XML两种数据格式?(json和xml哪个好)
-
JSON(JavaScriptObjectNotation)和XML(eXtensibleMarkupLanguage)是在日常开发中比较常用的两种数据格式,它们主要的作用就是用来进行数据的传...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- r语言矩阵 (127)
- browsererror (114)
- exportexcel (119)
- cv2.bitwise_not (137)
- dump命令 (128)
- es6concat (126)
- heapify (127)
- java.security.egd (130)
- javax.annotation (117)
- jsstringsplit (117)
- js数字 (115)
- maven编译 (132)
- mysqlleft (128)
- nodejsbuffer (149)
- org.apache.commons.httpclient (126)
- org.jsoup (141)
- org.springframework.web (128)
- robotframework-ride (115)
- setnocounton (141)
- socket.gethostbyname (122)
- sqlmid (121)
- time.strptime (133)
- vscode格式化 (125)
- win32con (129)
- window.localstorage (126)