import pandas as pd import numpy as np ‘‘‘ 有时候我们导入或处理数据, 会产生一些空的或者是 NaN 数据,如何删除或者是填补这些 NaN 数据就是我们今天所要提到的内容. 建立了一个6X4的矩阵数据并且把两个位置置为空. ‘‘‘ dates = pd.date_range(‘20130101‘, periods=6) df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=[‘A‘,‘B‘,‘C‘,‘D‘]) df.iloc[0,1] = np.nan df.iloc[1,2] = np.nan """ A B C D 2013-01-01 0 NaN 2.0 3 2013-01-02 4 5.0 NaN 7 2013-01-03 8 9.0 10.0 11 2013-01-04 12 13.0 14.0 15 2013-01-05 16 17.0 18.0 19 2013-01-06 20 21.0 22.0 23 """ ‘‘‘ pd.dropna() 去掉 如果想直接去掉有 NaN 的行或列, 可以使用 dropna ‘‘‘ df.dropna( axis=0, # 0: 对行进行操作; 1: 对列进行操作 how=‘any‘ # ‘any‘: 只要存在 NaN 就 drop 掉; ‘all‘: 必须全部是 NaN 才 drop ) """ A B C D 2013-01-03 8 9.0 10.0 11 2013-01-04 12 13.0 14.0 15 2013-01-05 16 17.0 18.0 19 2013-01-06 20 21.0 22.0 23 """ ‘‘‘ pd.fillna(value=) 代替 如果是将 NaN 的值用其他值代替, 比如代替成 0: ‘‘‘ df.fillna(value=0) """ A B C D 2013-01-01 0 0.0 2.0 3 2013-01-02 4 5.0 0.0 7 2013-01-03 8 9.0 10.0 11 2013-01-04 12 13.0 14.0 15 2013-01-05 16 17.0 18.0 19 2013-01-06 20 21.0 22.0 23 """ # pd.isnull() # # 判断是否有缺失数据 NaN, 为 True 表示缺失数据: df.isnull() #这个是返回一个dateframe """ A B C D 2013-01-01 False True False False 2013-01-02 False False True False 2013-01-03 False False False False 2013-01-04 False False False False 2013-01-05 False False False False 2013-01-06 False False False False """ # 检测在数据中是否存在 NaN, 如果存在就返回 True: #np.any()是概括 # np.any(df.isnull()) == True # True
df.dropna( axis=0, # 0: 对行进行操作; 1: 对列进行操作 how=‘any‘ # ‘any‘: 只要存在 NaN 就 drop 掉; ‘all‘: 必须全部是 NaN 才 drop )
去掉有空值的行或者列
dateframe.fillna(value= ) 替代控制为value的值
dateframe.isnull() 这个返回的是一个dateframe 里面的只有false,true 当存在na的时候就是true
np.any(dateframe.isnull() ) 判断这个dateframe是否有空值
出处:https://morvanzhou.github.io/tutorials/data-manipulation/np-pd/3-4-pd-nan/
原文地址:https://www.cnblogs.com/simon-idea/p/9571614.html
时间: 2024-11-02 17:09:02