pandas中read_csv的缺失值处理方式
今天遇到的问题是，要将一份csv数据读入dataframe，但某些列中含有NA值。对于这些列来说，NA应该作为一个有意义的level，而不是缺失值，但read_csv函数会自动将类似的缺失值理解为缺失值并变为NaN。
看pandas文档中read_csv函数中这两个参数的描述，默认会将'-1.#IND',‘1.#QNAN',‘1.#IND',‘-1.#QNAN',‘#N/AN/A','#N/A',‘N/A',‘NA',‘#NA',‘NULL',‘NaN',‘-NaN',‘nan',‘-nan',''转换为NaN，且na_values参数还支持定义另外的应处理为缺失值的值。
值得注意的是keep_default_na参数，这个参数的作用是决定要不要保留默认应该转换的缺失值列表，将这个参数设为False之后同时不定义na_values参数，就可以在读取文件时不将任何值转换为缺失值NaN。
例：
importpandasaspd
df=pd.read_csv('train.csv',keep_default_na=False)
以上这篇pandas中read_csv的缺失值处理方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。