Python 中处理缺失值的 2 种方法

查找到了缺失值，下一步便是对这些缺失值进行处理，今天同样会分享多个方法！

删除-dropna

df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

参数说明：

• axis：选择删除行还是列，axis=0（默认）表示操作行，axis=1表示操作列。

• how：与参数axis配合使用，可选的值为any（默认）或者all。

• thresh：axis中至少有N个非缺失值，否则删除。

• subset：参数类型为列表，表示删除时只考虑的索引或列名。

• inplace：是否在原数据上操作。

在交互式环境中输入如下命令：

df.dropna(axis=0)

df.dropna(axis=0,how='all')

df.dropna(axis=0, how="any", thresh=3)

df.dropna(axis=0, how="any", subset=["C列", "D列"])

填充-fillna

df.fillna(value=None, method=None, axis=None, inplace=False, limit=None)

• value：表示填充的值，可以是一个指定值，也可以是字典。
• method: 填充的方式，默认为None。
• axis：与method参数搭配使用，axis=0表示按行，axis=1表示按列。
• inplace：是否在原数据上操作。
• limit：表示填充执行的次数。如果是按行填充，则填充一行表示执行一次，按列同理。

df.fillna(value=0)

df.fillna(axis=0, method="ffill")

df.fillna(axis=0, method="ffill", limit=1)

此外，还有一些不太常用的方法。比如除了通过fillna方法来填充缺失值外，还可以通过interpolate方法来填充。默认情况下使用线性差值，可以设置method参数来改变方式。

也可以通过字符串的replace()方法来替换缺失值。本来这部分想作为第三种方法介绍，写完发现有点“听君一席话，好似庄周带净化”，干脆作为小贴士吧。

CSDN音视频技术开发者在线调研正式上线！

现邀开发者们扫码在线调研

往期回顾

Gain 算法实现缺失值预测

破解程序员的5大迷思，《新程序员004》上市！

M2芯片重磅问世，性能提升18%！

AI考生挑战高考作文，平均1秒1篇

分享
点收藏
点点赞
点在看

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/