简单了解Pandas缺失值处理方法
这篇文章主要介绍了简单了解Pandas缺失值处理方法,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
判断数据是否为NaN：
pd.isnull(df), pd.notnull(df)
判断缺失值是否存在
np.all(pd.notnull(data))#返回false代表有空值 np.any(pd.isnull(data))#返回true代表有空值
处理方式：
- 存在缺失值nan,并且是np.nan:
- 1、删除缺失值:dropna(axis='rows')
- 注：不会修改原数据，需要接受返回值
- 2、替换缺失值:fillna(value,inplace=True)
- value:替换成的值
- inplace:True:会修改原数据，False:不替换修改原数据，生成新的对象
- 1、删除缺失值:dropna(axis='rows')
#替换存在缺失值的样本的两列 #替换填充平均值，中位数 movie['Revenue(Millions)'].fillna(movie['Revenue(Millions)'].mean(),inplace=True)
- 不是缺失值nan，有默认标记的
- 将不是nan的值替换成np.nan——df.replace(to_replace,value)
- to_replace-替换前的值—被替换的
- value—要修改成的值,上岗的值
- 再按照是nan的方式处理
- 将不是nan的值替换成np.nan——df.replace(to_replace,value)
#把一些其它值标记的缺失值，替换成np.nan wis=wis.replace(to_replace='?',value=np.nan)
SSL报错
wis=pd.read_csv(https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data)
以上数据在读取时，可能会报如下错误
URLError:
解决办法：
#全局取消证书验证 importssl ssl._create_default_https_context=ssl._create_unverified_context
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。
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。