Pandas缺失值处理、电影案例分析

最新推荐文章于 2025-08-23 17:38:54 发布

原创

最新推荐文章于 2025-08-23 17:38:54 发布 · 1.1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python

该博客展示了如何使用Pandas处理电影数据中的缺失值，包括填充平均值和删除含有缺失值的行。同时，它探讨了如何获取电影的平均评分、导演数量，并展示了电影评分和时长的分布情况。最后，通过处理电影分类数据，实现了统计各类型电影的分布。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

movie1 = movie = pd.read_csv("./IMDB-Movie-Data.csv")

np.any(pd.isnull(movie1)) #判断里面是否有一个缺失值，有就还回True

np.all(pd.notnull(movie1)) #判断里面是否有一个缺失值，有就还回False

np.any(pd.isnull(data)) #判断里面是否有一个缺失值，有就还回True

movie1["Revenue (Millions)"].head(10)

movie1["Revenue (Millions)"].fillna(value=movie1["Revenue (Millions)"].mean()).head(10)

for i in movie1.columns:
if np.any(pd.isnull(movie1[i])) == True:
movie1[i].fillna(value=movie[i].mean(),inplace=True)

np.any(pd.isnull(movie1)) #判断里面是否有一个缺失值，有就还回True

movietemp = movie1.replace(to_replace="?",value=np.nan)#如果有？这个问号，可以这样来替换

movietemp = movietemp.dropna()#如果有缺失值，可以