import numpy as np
import pandas as pd
df = pd.DataFrame([[np.nan, 2, np.nan, 0]
,[3, 4, np.nan, 1]
,[np.nan, np.nan, np.nan, 4]
,[np.nan, 3, np.nan, 4]]
, columns = list('ABCD'))
df
|
A |
B |
C |
D |
| 0 |
NaN |
2.0 |
NaN |
0 |
| 1 |
3.0 |
4.0 |
NaN |
1 |
| 2 |
NaN |
NaN |
NaN |
4 |
| 3 |
NaN |
3.0 |
NaN |
4 |
df.fillna(33)
|
A |
B |
C |
D |
| 0 |
33.0 |
2.0 |
33.0 |
0 |
| 1 |
3.0 |
4.0 |
33.0 |
1 |
| 2 |
33.0 |
33.0 |
33.0 |
4 |
| 3 |
33.0 |
3.0 |
33.0 |
4 |
df
|
A |
B |
C |
D |
| 0 |
NaN |
2.0 |
NaN |
0 |
| 1 |
3.0 |
4.0 |
NaN |
1 |
| 2 |
NaN |
NaN |
NaN |
4 |
| 3 |
NaN |
3.0 |
NaN |
4 |
df.fillna(method='ffill')
|
A |
B |
C |
D |
| 0 |
NaN |
2.0 |
NaN |
0 |
| 1 |
3.0 |
4.0 |
NaN |
1 |
| 2 |
3.0 |
4.0 |
NaN |
4 |
| 3 |
3.0 |
3.0 |
NaN |
4 |
df
|
A |
B |
C |
D |
| 0 |
NaN |
2.0 |
NaN |
0 |
| 1 |
3.0 |
4.0 |
NaN |
1 |
| 2 |
NaN |
NaN |
NaN |
4 |
| 3 |
NaN |
3.0 |
NaN |
4 |
本文介绍了如何使用Pandas库在Python中处理数据集，包括用不同方法填充缺失值（如用常数、前向填充、后向填充、特定值填充）以及如何检测和删除重复数据。这些技巧对于数据预处理至关重要，确保数据分析的准确性和可靠性。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
