Python数据分析之缺失值处理

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料、代码以及群交流解答点击即可加入

---

前言

数据缺失值的处理，在数据分析前期，即数据处理过程中占着重要的地位，在数据分析面试中被问到的概率也是极大的。

一般情况下，我们对待缺失值有三种处理方式：
（1）源数据补录，即通过再次采样或者询问等方式将缺失内容补充完整；
（2）缺失值填充，即根据一定的规则将缺失值填充，可选众数、中位数等；
（3）删除缺失值，即根据一定的规则将含有缺失值的行或列直接进行删除。
我的会员请教了我关于缺失值的问题，于是我为他整理了一篇详细的文章，讲解一下如何进行缺失值处理。今天这篇文章只是缺失值处理的第一节——缺失值的删除。

dropna

dropna为pandas库下DataFrame的一个方法，用于删除缺失值。基本参数如下：

dropna(self, axis=0, how='any', subset=None, inplace=False)

接下来，我们一一进行讲解。

# 预览模拟数据
>>> df
Out[1]: 
    name   age   birthday  gender
0   Alan  17.0 1999-01-25    male
1          NaN        NaT  female
2  Black  18.0 1997-02-07    male
3   Cici   NaN 2000-01-18  female
4  David  25.0        NaT    male
5    NaN  22.0        NaT  female

# 不加任何参数
>>> df.dropna()
Out[2]: 
    name   age   birthday gender
0   Alan  17.0 1999-01-25   male
2  Black  18.0 1997-02-07   male

>>> df.dropna(how = 'any')
Out[3]: 
    name   age   birthday gender
0   Alan  17.0 1999-01-25   male
2  Black  18.0 1997-02-07   male

通过上面的代码可以看出，在不加任何参数，即默认值情况下，会把所有包含缺失值的行统统删除。

# all——删除整行均为缺失值的行
>>> df.dropna(how = 'all')
Out[4]: 
    name   age   birthday  gender
0   Alan  17.0 1999-01-25    male
1          NaN        NaT  female
2  Black  18.0 1997-02-07    male
3   Cici   NaN 2000-01-18  female
4  David  25.0        NaT    male
5    NaN  22.0        NaT  female

>>> df.iloc[:,1:3].dropna(how = 'all')
Out[5]: 
    age   birthday
0  17.0 1999-01-25
2  18.0 1997-02-07
3   NaN 2000-01-18
4  25.0        NaT
5  22.0        NaT

# 按列删除——即包含缺失值的列统统被删除
>>> df.dropna(axis = 1)
Out[6]: 
   gender
0    male
1  female
2    male
3  female
4    male
5  female

# 删除指定列包含缺失值的行
>>> df.dropna(subset = ['name','gender'])
Out[7]: 
    name   age   birthday  gender
0   Alan  17.0 1999-01-25    male
1          NaN        NaT  female
2  Black  18.0 1997-02-07    male
3   Cici   NaN 2000-01-18  female
4  David  25.0        NaT    male

当然了，以上所有的操作均不是对元数据产生作用，只是生成了一个副本。如果想要对元数据产生作用，则必须加一个inplace参数。

# 再次查看元数据，观察是否变化
>>> df
Out[8]: 
    name   age   birthday  gender
0   Alan  17.0 1999-01-25    male
1          NaN        NaT  female
2  Black  18.0 1997-02-07    male
3   Cici   NaN 2000-01-18  female
4  David  25.0        NaT    male
5    NaN  22.0        NaT  female

# 加入inplace参数，对元数据产生影响
>>> df.dropna(inplace = True)

>>> df
Out[9]: 
    name   age   birthday gender
0   Alan  17.0 1999-01-25   male
2  Black  18.0 1997-02-07   male