当前位置 主页 > 网站技术 > 代码类 >

    pandas 空数据处理方法详解

    栏目:代码类 时间:2019-11-02 12:06

    这篇文章主要介绍了pandas 空数据处理方法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

    方法一:直接删除

    1.查看行或列是否有空格(以下的df为DataFrame类型,axis=0,代表列,axis=1代表行,以下的返回值都是行或列索引加上布尔值)

    isnull方法

    查看行:df.isnull().any(axis=1)

    查看列:df.isnull().any(axis=0)

    notnull方法:

    查看行:df.notnull().all(axis=1)

    查看列:df.notnull().all(axis=0)

    例子:

    df.isnull().any(axis=1) # 检测行内是否有空值
    0 False
    1 True
    2 False
    3 True
    4 False
    5 True
    6 False
    7 True
    8 False
    9 False
    dtype: bool

    注意点:以上方法都可以用~取反的办法获取相反的结果

    2.在1的前提下使用df.loc[],可取出1中筛选出数据的具体数据如:

    df.loc[df.isnull().any(axis=1)]

    取出这几行的索引可用属性index如:df.loc[df.isnull().any(axis=1)].index

    得到这些索引后可以使用drop方法进行删除如:

    注意:drop方法中的axis值与其他方法相反,axis=0表示行,=1表示列。

    df.drop(labels=drop_index, axis=0)

    总结下来为4步:

    一.使用isnull或notnull筛选:df.isnull().any(axis=0)

    二.使用loc取出具体数据:df.loc[df.isnull().any(axis=1)]

    三:取出这些数据的索引:df.loc[df.isnull().any(axis=1)].index

    四.使用drop删除:df.drop(labels=drop_index, axis=0)

    方法二:填充空值

    步骤和方法一前几步相同

    isnull()

    notnull()

    dropna(): 过滤丢失数据(df.dropna() 可以选择过滤的是行还是列(默认为行):axis中0表示行,1表示的列)

    fillna(): 填充丢失数据(可以选择自主添加数据,或者用表中原有的数据进行补充)

    1.使用dropna(不常用):df.dropna(axis=0)

    2.使用fillna(常用):

    一.df.fillna(value=666)给所有的控制赋值为666

    二.df.fillna(method='ffill', axis=0) # axis=0表示在垂直方向填充(axis值:0为垂直,1为水平),使用上方的值对空值进行填充,组合起来就是,使用垂直方向上方的值对当前位置的值进行填充

    三.df.fillna(method='bfill', axis=1) # axis=1表示在水平方向填充(axis值为0垂直1为水平),bfill表示使用后面的值对空值进行填充,组合起来就是,使用水平方向右边的值对当前位置的值进行填充

    总结:ffill(前)和bfill(后)决定前或后,axis决定垂直或水平

    以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持IIS7站长之家。