在Pandas中处理NaN值的方法


Posted in Python onJune 25, 2019

关于NaN值

-在能够使用大型数据集训练学习算法之前,我们通常需要先清理数据, 也就是说,我们需要通过某个方法检测并更正数据中的错误。
- 任何给定数据集可能会出现各种糟糕的数据,例如离群值或不正确的值,但是我们几乎始终会遇到的糟糕数据类型是缺少值。
- Pandas 会为缺少的值分配 NaN 值。

创建一个具有NaN值得 Data Frame

import pandas as pd

# We create a list of Python dictionaries
# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35, 'shirts': 15, 'shoes':8, 'suits':45},
{'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5, 'shirts': 2, 'shoes':5, 'suits':7},
{'bikes': 20, 'pants': 30, 'watches': 35, 'glasses': 4, 'shoes':10}]

# 创建一个DataFrame并设置行索引
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2', 'store 3'])

# 显示
store_items

显示:

在Pandas中处理NaN值的方法

数据量大时统计NaN的个数

# 计算在store_items中NaN值的个数
x = store_items.isnull().sum().sum()

# 输出
print('在我们DataFrame中NaN的数量:', x)

输出:

在我们DataFrame中NaN的数量: 3

.isnull() 方法返回一个大小和 store_items 一样的布尔型 DataFrame,并用 True 表示具有 NaN 值的元素,用 False 表示非 NaN 值的元素。

store_items.isnull()

显示:

在Pandas中处理NaN值的方法

在 Pandas 中,逻辑值 True 的数字值是 1,逻辑值 False 的数字值是 0。

因此,我们可以通过数逻辑值 True 的数量数出 NaN 值的数量。

为了数逻辑值 True 的总数,我们使用 .sum() 方法两次。

要使用该方法两次,是因为第一个 sum() 返回一个 Pandas Series,其中存储了列上的逻辑值 True 的总数

第二个 sum() 将上述 Pandas Series 中的 1 相加

除了数 NaN 值的数量之外,我们还可以采用相反的方式,我们可以数非 NaN 值的数量。为此,我们可以使用 .count() 方法

print('在我们DataFrame的列中具有非NaN值得数量分别为:\n', store_items.count())

输出:

在我们DataFrame的列中具有非NaN值得数量:
bikes 3
glasses 2
pants 3
shirts 2
shoes 3
suits 2
watches 3
dtype: int64

处理这些 NaN 值

  • 如果 axis = 0,.dropna(axis) 方法将删除包含 NaN 值的任何行
  • 如果 axis = 1,.dropna(axis) 方法将删除包含 NaN 值的任何列
# 删除包含NaN值得任何行
store_items.dropna(axis = 0)

显示为:

在Pandas中处理NaN值的方法

store_items.dropna(axis = 1)

显示为:

在Pandas中处理NaN值的方法

注意:

- .dropna() 方法不在原地地删除具有 NaN 值的行或列。
- 原始 DataFrame 不会改变。你始终可以在 dropna() 方法中将关键字 inplace 设为 True,在原地删除目标行或列。

将NaN值替换为合适的值

我们不再删除 NaN 值,而是将它们替换为合适的值。例如,我们可以选择将所有 NaN 值替换为 0。为此,我们可以使用 .fillna() 方法

store_items.fillna(0)

显示:

在Pandas中处理NaN值的方法

我们还可以使用 .fillna() 方法将 NaN 值替换为 DataFrame 中的上个值,称之为前向填充

.fillna(method = 'ffill', axis) 将通过前向填充 (ffill) 方法沿着给定 axis 使用上个已知值替换 NaN 值

store_items.fillna(method = 'ffill', axis = 0)

显示:

在Pandas中处理NaN值的方法

注意 store 3 中的两个 NaN 值被替换成了它们所在列中的上个值。

但是注意, store 1 中的 NaN 值没有被替换掉。因为这列前面没有值,因为 NaN 值是该列的第一个值。

现在,使用上个行值进行前向填充

store_items.fillna(method = 'ffill', axis = 1)

显示:

在Pandas中处理NaN值的方法

在这种情况下:所有 NaN 值都被替换成了之前的行值

同时,也可以选择用 DataFrame 中之后的值替换 NaN 值,称之为后向填充

# 向后填充列,即为NaN的列值,用其列中的后一个来填充
store_items.fillna(method = 'backfill', axis = 0)

同理:也可以向后填充行,即为NaN的行值,用其行中的后一个来填充

# 向后填充行,即为NaN的行值,用其行中的后一个来填充
store_items.fillna(method = 'backfill', axis = 1)

注意:.fillna() 方法不在原地地替换(填充)NaN 值。也就是说,原始 DataFrame 不会改变。你始终可以在 fillna() 函数中将关键字 inplace 设为 True,在原地替换 NaN 值。

还可以选择使用不同的插值方法替换 NaN 值

.interpolate(method = 'linear', axis) 方法将通过 linear 插值使用沿着给定 axis 的值替换 NaN 值, 这个差值也就是前后或者上下的中间值

store_items.interpolate(method = 'linear', axis = 0)

同时,也可用行值插入

store_items.interpolate(method = 'linear', axis = 1)

和我们看到的其他方法一样,.interpolate() 方法不在原地地替换 NaN 值,图片就省略了。

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三水点靠木。

Python 相关文章推荐
在Django的视图中使用数据库查询的方法
Jul 16 Python
python编程开发之类型转换convert实例分析
Nov 13 Python
使用Python生成随机密码的示例分享
Feb 18 Python
python自动化脚本安装指定版本python环境详解
Sep 14 Python
浅谈Django REST Framework限速
Dec 12 Python
Python中xrange与yield的用法实例分析
Dec 26 Python
Python语言描述随机梯度下降法
Jan 04 Python
python实现百度语音识别api
Apr 10 Python
详解python3中zipfile模块用法
Jun 18 Python
python 判断参数为Nonetype类型或空的实例
Oct 30 Python
Python实现九宫格式的朋友圈功能内附“马云”朋友圈
May 07 Python
python实现简单区块链结构
Apr 25 Python
python实现websocket的客户端压力测试
Jun 25 #Python
python中metaclass原理与用法详解
Jun 25 #Python
python实现接口并发测试脚本
Jun 25 #Python
Python实现EXCEL表格的排序功能示例
Jun 25 #Python
python实现动态创建类的方法分析
Jun 25 #Python
python pandas写入excel文件的方法示例
Jun 25 #Python
python多线程http压力测试脚本
Jun 25 #Python
You might like
十天学会php(3)
2006/10/09 PHP
php面向对象全攻略 (七) 继承性
2009/09/30 PHP
使用PHP实现密保卡功能实现代码<打包下载直接运行>
2011/10/09 PHP
深入理解curl类,可用于模拟get,post和curl下载
2013/06/08 PHP
php抓取页面的几种方法详解
2013/06/17 PHP
解析PHP中的unset究竟会不会释放内存
2013/07/18 PHP
Linux编译升级php的详细方法
2013/11/04 PHP
JS无限极树形菜单,json格式、数组格式通用示例
2013/07/30 Javascript
js函数模拟显示桌面.scf程序示例
2014/04/20 Javascript
JS模拟并美化的表单控件完整实例
2015/08/19 Javascript
jQuery左右滚动支持图片放大缩略图图片轮播代码分享
2015/08/26 Javascript
封装好的javascript前端分页插件pagination
2016/01/04 Javascript
Jquery Easyui进度条组件Progress使用详解(8)
2020/03/26 Javascript
jQuery实现手机上输入后隐藏键盘功能
2017/01/04 Javascript
微信小程序 开发之全局配置
2017/05/05 Javascript
全选复选框JavaScript编写小结(附代码)
2017/08/16 Javascript
微信小程序-getUserInfo回调的实例详解
2017/10/27 Javascript
Vue.use源码学习小结
2018/06/20 Javascript
Redux实现组合计数器的示例代码
2018/07/04 Javascript
Python 使用PyQt5 完成选择文件或目录的对话框方法
2019/06/27 Python
Python实现平行坐标图的两种方法小结
2019/07/04 Python
检测python爬虫时是否代理ip伪装成功的方法
2019/07/12 Python
python 统计文件中的字符串数目示例
2019/12/24 Python
python实现音乐播放和下载小程序功能
2020/04/26 Python
Python不支持 i ++ 语法的原因解析
2020/07/22 Python
美国滑板店:Tactics
2020/11/08 全球购物
机械设计职业生涯规划书
2013/12/27 职场文书
幼儿园春游活动方案
2014/01/19 职场文书
电子银行营销方案
2014/02/22 职场文书
认购协议书范本
2014/04/22 职场文书
党的群众路线教育实践活动领导班子整改方案
2014/10/25 职场文书
2015年母亲节活动策划方案
2015/05/04 职场文书
CSS3鼠标悬浮过渡缩放效果
2021/04/17 HTML / CSS
python实战之用emoji表情生成文字
2021/05/08 Python
python flappy bird小游戏分步实现流程
2022/02/15 Python
python_tkinter事件类型详情
2022/03/20 Python