03 -2 numpy与pandas中isnull()、notnull()、dropna()、fillna()处理丢失数据的理解与实例

最新推荐文章于 2024-12-12 23:20:32 发布

原创最新推荐文章于 2024-12-12 23:20:32 发布 · 3.5k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #pandas #机器学习

学习专栏收录该内容

26 篇文章

订阅专栏

本文介绍了如何在numpy和pandas中处理缺失值，包括None和np.nan的区别，以及如何使用isnull、notnull、dropna和fillna进行数据清理。在pandas中，None和np.nan被视为相同并转换为np.nan。文章通过实例展示了如何过滤、填充缺失值，并讨论了不同参数如axis、method和limit的用法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

引入三剑客

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

处理丢失数据

1.有两种丢失数据：

None: Python自带的数据类型不能参与到任何计算中
np.nan(NaN): float类型能参与计算，但结果总是NaN

np.nan + 9            结果为：nan

2. np.nan（NaN）

数组直接运算会得到nan，但可以使用np.nan*()函数来计算nan，此时视nan为0。

ndarr1 = np.array([1,2,3,np.nan])
ndarr1
np.sum(ndarr1)
结果为：
nan

np.nansum(ndarr1) # nan*()遇到nan会把nan当作0来处理
结果为：
6.0

Series和DataForm可以直接处理nan

s1 = Series([1,2,3,np.nan])
s1.sum() #Series 直接可以处理nan的情况
结果为：6.0

df1 = DataFrame([1,2,3,np.nan])
df1.sum() #DataFrame 直接可以处理nan的情况
结果为：
0    6.0
dtype: float64

3. pandas中的None与NaN

1) pandas中None与np.nan都视作np.nan

用randint创建一个5*5的DataFrame作为例子

Series 和 DataForm 如果遇到None 就会把 None 转换成 numpy.nan

df1 = DataFrame(data=np.random.randint(0,20,size=(5,5)),columns=list("abcde"))
df1

	a	b	c	d	e
0	18	18	4	10	6
1	6	12	8	8	4
2	5	15	18	2	2
3	2	18	10	16	14
4	14	13	2	10	14

使用DataFrame行索引与列索引修改一下DataFrame数据（弄出来一些None和NaN）

df1["b"][1] = None
df1["c"].iloc[2] = None
df1.iloc[2].loc["d"] = np.nan # 自己显式地去设置nan不太好 大家平时不要这么做
df1

	a	b	c	d	e
0	18	18.0	4.0	10	6
1	6	NaN	8.0	8	4
2	5	15.0	NaN	2	2
3	2	18.0	10.0	16	14
4	14	13.0	2.0	10	14

2) pandas中None与np.nan的操作

isnull()
notnull()
dropna(): 过滤丢失数据
fillna(): 填充丢失数据

(1)判断函数

isnull()
notnull()

df1.isnull() # 返回一个同样形状的DataFrame 如果是空这个位置就是True 否则就是False

	a	b	c	d	e
0	False	False	False	False	False
1	False	True	False	False	False
2	False	False	True	False	False
3	False	False	False	False	False
4	False	False	False	False	False

df1.notnull() # 不是空值返回True 是空值就是False

	a	b	c	d	e
0	True	True	True	True	True
1	True	False	True	True	True
2	True	True	False	True	True
3	True	True	True	True	True
4	True	True	True	True	True

配合any使用，可以查看每一行是否存在空值可以控制axis来改变查看方向

df1.isnull().any() # 默认看每一列 只要有True就是True
结果为：
a    False
b     True
c     True
d    False
e    False
dtype: bool

如果想看每一行的中有没有空值可以改变axis

df1.isnull().any(axis=0) # axis 默认是 0 是竖直方向
df1.isnull().any(axis=1) # 通过这种方式 可以找到有空值的样本
结果为：
0    False
1     True
2     True
3    False
4    False
dtype: bool

(2) 过滤函数

dropna()

可以选择过滤的是行还是列（默认为行）

df1.dropna() # 如果有空值 就把整行都干掉
df1.dropna(axis=0) # 默认是对行进行处理

	a	b	c	d	e
0	18	18.0	4.0	10	6
3	2	18.0	10.0	16	14
4	14	13.0	2.0	10	14

# 如果不确定axis到底是横还是竖 可以自己先创建一个假数据 试一试
df1.dropna(axis=1) # 对有空值的列进行处理

	a	d	e
0	18	10	6
1	6	8	4
2	5	2	2
3	2	16	14
4	14	10	14

也可以选择过滤的方式 how = ‘all’

df1.dropna(how="any") # 只要有空值 就干掉

	a	b	c	d	e
0	18	18.0	4.0	10	6
3	2	18.0	10.0	16	14
4	14	13.0	2.0	10	14

df1.dropna(how="all") # 这一行所有的值都是空值 才干掉

	a	b	c	d	e
0	18	18.0	4.0	10	6
1	6	NaN	8.0	8	4
2	5	15.0	NaN	2	2
3	2	18.0	10.0	16	14
4	14	13.0	2.0	10	14

df1.iloc[2] = np.nan
df1

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	NaN	8.0	8.0	4.0
2	NaN	NaN	NaN	NaN	NaN
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0:

df1.dropna(how="all")

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	NaN	8.0	8.0	4.0
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

(3) 填充函数 Series/DataFrame

fillna()

可以指定value

df1.fillna(value=0) # 遇到空值 可以设置成我们制定的值

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	0.0	8.0	8.0	4.0
2	0.0	0.0	0.0	0.0	0.0
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

df1.fillna(value=10)

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	10.0	8.0	8.0	4.0
2	10.0	10.0	10.0	10.0	10.0
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

也可以选择从前面找值来填充还是从后面找值来填充

pad / ffill 从前面找值来填充

backfill/ bfill 从后面找值来填充

df1.fillna(method="ffill")

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	18.0	8.0	8.0	4.0
2	6.0	18.0	8.0	8.0	4.0
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

df1.fillna(method="bfill")

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	18.0	8.0	8.0	4.0
2	2.0	18.0	10.0	16.0	14.0
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

虽然填充了值但并不影响df1原先的值，

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	NaN	8.0	8.0	4.0
2	NaN	NaN	NaN	NaN	NaN
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

还可以指定是在寻找值时候的轴线

df1.fillna(method="ffill",axis=0) # axis 默认是0 竖直找  前面已做过
df1.fillna(method="ffill",axis=1) # axis 1 水平找

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	6.0	8.0	8.0	4.0
2	NaN	NaN	NaN	NaN	NaN
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

还可以限定最多往前（往后）填充几个NaN

df1["c"].iloc[1]=np.nan
df1

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	NaN	NaN	8.0	4.0
2	NaN	NaN	NaN	NaN	NaN
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

df1.fillna(method="ffill",limit=2) # 限制往前找几个

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	18.0	4.0	8.0	4.0
2	6.0	18.0	4.0	8.0	4.0
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

对于DataFrame来说，还要选择填充的轴axis。记住，对于DataFrame来说：

axis=0：index/行
axis=1：columns/列

使用limit来限定往后找几个

axis 指定是横着找还是竖着找

method 指定找前面还是找后面

注意：value参数是不能跟method参数共用的

df.fillna(method='bfill',axis=1,limit=1)

	a	b	c	d	e
0	18.0	18.0	4.0	10.0	6.0
1	6.0	NaN	8.0	8.0	4.0
2	NaN	NaN	NaN	NaN	NaN
3	2.0	18.0	10.0	16.0	14.0
4	14.0	13.0	2.0	10.0	14.0

============================================

练习7：

简述None与NaN的区别
假设张三李四参加模拟考试，但张三因为突然想明白人生放弃了英语考试，因此记为None，请据此创建一个DataFrame,命名为df3
老师决定根据用数学的分数填充张三的英语成绩，如何实现？用李四的英语成绩填充张三的英语成绩？

============================================