本文探讨了在处理数据集时遇到的缺失值问题，主要介绍了Pandas库中的两种处理方法：用掩码表示和用标签值表示。针对每种方法的优缺点进行了说明，并详细阐述了Pandas中None和NaN的区别。此外，还讲解了Pandas提供的isnull(), notnull(), dropna()和fillna()等函数的使用，用于检测、删除和填充缺失值的操作。"
133002103,20039232,单片机内核定时器timer_list详解及源码示例,"['单片机开发', '内核定时器', '硬件资源']
目前很多流行的数据集都会存在数据缺失的现象。
一般我们在用Pandas处理缺失值的方法有两种：
1.用覆盖全局的掩码来表示缺失值.(用布尔类型来代替原先数据/用0或1来表示)
2.用一个标签值来表示缺失值.(用一个具体的自定义的数据来表示，如-9999. 或用None或NaN)
1.缺失值
具体使用哪种方法还需要看具体情况：
1.用掩码来处理会额外构造一个布尔数组，会增加存储
2.标签值方法缩小了可以被表示的有效值的范围，会增加额外的计算逻辑。而且NaN也不 能够表示所有数据类型。
Pandas的缺失值：1.Python对象类型的缺失值None（Python中不能将None与整数相加）
&n
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
