从《Python数据分析案例教程》中_领悟数据和Python的魅力_6.1.3 填充缺失值

【摘要】 本书摘自《Python数据分析案例教程》一书中第6章，第1节，由万念斌、肖伟东、叶丰标编著。

6.1.3 填充缺失值

数据处理过程中发现缺失值后，缺失值在数据处理中有作用，不能采用删除缺失值的方 法，这时可以用一些特殊值来填充缺失值。 Pandas使用 fillna()函数来填充缺失值。 fillna()函 数的作用是填充缺失数据，函数原型为：

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

常见参数作用如下：

(1)value:值可以是 scalar、dict、Series或 DataFrame,用于填充缺失值的值。

(2)method: 值可以是{'backfill','bfill','pad','ffill',None},默认值为 None。

(3)axis:值可以是{0 or'index',1 or'columns'},当 axis的值为0或“index”时表示填 充包含缺失值的行；当 axis 的值为1或"columns"表示填充包含缺失值的列，默认值为0。

(4)inplace:布尔型，默认值为False,如果为 True,则在原地执行操作。(5)limit:int,默认值为 None, 如果指定了方法，则是连续 NaN 值的前向/后向填充的 最大数量，即如果连续 NaN 数量超过指定的数字，它将只被部分填充。如果未指定方法，则 是沿着整个轴的最大数量，其中NaN 将被填充。指定的数字必须大于0。

【案例6-3】填充缺失值。代码如下：

#encoding:utf-8

import pandas as pd

def main():

# 1.指定特殊值填充缺失值

df=pd.DataFrame([[1,2,2],[3,None,6],[3,7,None],[5,None,7]])

print(数据帧 df'.center(30,'—'),'\n',df)

#用0填充所有缺失数据

printC用0填充所有缺失数据.center(20,'—'),'\n',df.fillna(0))

# 2.使用不同的值填充不同的列

print(使用不同的值填充不同的列数据.center(20,'-'),\n',df.fillna({1:1.99,2:2.99})) # 3.前向填充和后向填充

#前向填充，默认是上一行的值，设置axis=1 可以使用列进行填充

print('前向填充'.center(20,'—'),\n',df.fillna(method="ffill"))

#后向填充，默认是上一行的值，设置 axis=1 可以使用列进行填充

print(后向填充.center(20,'—'),'\n',df.fillna(method="bfill"))

# 4.使用列的平均值填充

print('使用列的平均值填充',center(20,'-'),\n',df.fillna(df.mean()))

if name ==" main ":

__ __ __ __

main()

程序运行结果如下：

D:\anaconda\python.exe C:/Users/dell/PycharmProjects/My01/教学设计4--Pandas 缺失值 处理/填充缺失值.py

----数据帧 df-

1

3

3

5

1

2.0

NaN

7.0

NaN

2

2.0

6.0

NaN

7.0

----用0 填充所有缺失数据------

1

3

3

5

1

2.0

0.0

7.0

0.0

2

2.0

6.0

0.0

7.0

---使用不同的值填充不同的列数据---

0 1 2

0 1 2.00 2.00

1 3 1.99 6.00

2 3 7.00 2.99

3 5 1.99 7.00

--前向填充--------

0 1 2

0 1 2.0 2.0

1 3 2.0 6.0

2 3 7.0 6.0

3 5 7.0 7.0

--------后向填充--------

0 1 2

0 1 2.0 2.0

1 3 7.0 6.0

2 3 7.0 7.0

3 5 NaN 7.0

-----使用列的平均值填充-----

1

3

3

5

1

2.0

4.5

7.0

4.5

2

2.0

6.0

5.0

7.0

Proccss finished with cxit code 0

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们 18664393530@aliyun.com 处理，核实后本网站将在24小时内删除侵权内容。