Python 缺失异常数据处理

最新推荐文章于 2024-08-19 10:43:20 发布

wx_411180165

最新推荐文章于 2024-08-19 10:43:20 发布

阅读量424

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/qq_24726509/article/details/83619770

Python 专栏收录该内容

84 篇文章

订阅专栏

本文详细介绍使用Python的Pandas库处理数据集中的缺失值方法。包括如何利用dropna()函数删除包含或全部为缺失值的行或列，以及如何通过fillna()函数以常数、前向或后向填充等方式填补缺失值。掌握这些技巧对于数据预处理至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

处理缺失数据dropna( )和fillna( ):
import pandas as pd
data=pd.Series([1,np.nan,5,np.nan])
#去除所有含有nan的行
data.dropna(how='all')
#丢弃带有NAN的行
data.dropna()
#丢弃所有元素都是NAN的列
data.dropna(axis=1,how='all')
#fillna( )函数
#以常数替换NAN值
data.fillna(0)
#后向填充
data.fillna(method='ffill')
#后项填充且可以连续填充的最大数量为1