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
# 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
# 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: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:833)>
解决办法:
# 全局取消证书验证
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
您可能感兴趣的文章:Python Pandas对缺失值的处理方法pandas如何处理缺失值pandas 使用均值填充缺失值列的小技巧分享Pandas之Fillna填充缺失数据的方法详解pandas删除缺失数据(pd.dropna()方法)对Pandas DataFrame缺失值的查找与填充示例讲解Python Pandas找到缺失值的位置方法python解决pandas处理缺失值为空字符串的问题