每日一学--如何处理缺失值

本文介绍了在数据处理中如何处理缺失值,包括观察数据中的NaN或None、判断缺失值原因,以及采用删除、填充(如用0、前后值、统计量填充)或不处理等方法。还提到了使用Imputer进行填充,并讨论了不处理缺失值在贝叶斯网络和人工神经网络中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

https://www.kaggle.com/rtatman/data-cleaning-challenge-handling-missing-values

今天学习kaggle上的缺失值处理课程,学习记录,可能不太严谨,请指正。

1.观察

观察几个样本数据或者所有数据有无NaN 或者None    

1.1读取数据,显示数据,肉眼观察


1.2 python中用下列方法

    a.data.isnull( )   ----对整体的series或者dataframe判断

       isnan(data) ----对某一行进行判断(这里我也不是特别明白)

       二者返回False和True,False代表没有缺失值,True代表有缺失值

       参考:https://blog.youkuaiyun.com/xidianliutingting/article/details/62041891

    b.统计有多少缺失值

        missing_cou

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值