pandas中基本操作——如缺失值处理。等

最新推荐文章于 2024-12-05 07:19:51 发布

原创最新推荐文章于 2024-12-05 07:19:51 发布 · 224 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了一种处理数据缺失值的方法，并通过实例展示了如何计算数据的四分位数间距，包括使用 Python pandas 库来填充缺失值及计算特定字段的 25% 和 75% 分位数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

 # =====替换缺失值===
data[data.isnull()] = 0 
data.fillna(0,inplace=True)


#====25%  和75%===
sta = data['A_sale'].describe()      #.describe()中有基本的数据，自己可以打印试试
stb = data['B_sale'].describe()
#print(sta)
'''
count     30.000000
mean     430.618559
std      278.629712
min       26.157783
25%      213.463059
50%      403.759538
75%      599.212448
max      972.841767
Name: A_sale, dtype: float64
'''
a_iqr = sta.loc['75%'] - sta.loc['25%']
b_iqr = stb.loc['75%'] - stb.loc['25%']