Pandas缺失值2种处理方式代码实例
处理方式：
存在缺失值nan,并且是np.nan:
删除存在缺失值的:dropna(axis='rows')
替换缺失值:fillna(df[].mean(),inplace=True)
不是缺失值nan，有默认标记的
1、存在缺失值nan,并且是np.nan
#判断数据是否为NaN
#pd.isnull(df),pd.notnull(df),pd.isna(df)
#读取数据
movie=pd.read_csv("./date/IMDB-Movie-Data.csv")
##第一种删除
#pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan
#删除缺失值为np.nan的所在行
movie.dropna()
#第二种替换缺失值
#替换存在缺失值的样本
#替换填充平均值
movie['Metascore'].fillna(movie['Metascore'].mean(),inplace=True)
#替换填充自定义值
movie['Metascore'].fillna(11,inplace=True)
2、不是缺失值nan，有默认标记的
1、先替换默认标记值为np.nan
df.replace(to_replace=,value=)
2、在进行缺失值的处理
#把一些其它值标记的缺失值，替换成np.nan
mm=moive.replace(to_replace='默认值',value=np.nan)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。