| Python Pandas 数据缺失 | 您所在的位置：网站首页 › isoweekday什么意思 › Python Pandas 数据缺失 |
|
Python Pandas 数据缺失
在现实生活中，缺失数据始终是一个问题。像机器学习和数据挖掘这样的领域，由于缺失值造成的数据质量差，他们的模型预测的准确性面临严重问题。在这些领域，缺失值的处理是一个主要的焦点，以使他们的模型更加准确和有效。 什么时候以及为什么会出现数据缺失让我们考虑一个产品的在线调查。很多时候，人们并不分享与他们相关的所有信息。少数人分享他们的经验，但不分享他们使用产品的时间；少数人分享他们使用产品的时间，他们的经验，但不分享他们的联系信息。因此，在某种程度上，总有一部分数据缺失，这种情况在实时中非常普遍。 现在让我们看看如何使用Pandas来处理缺失值（例如NA或NaN）。 # import the pandas library import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df其 输出结果 如下 – one two three a 0.077988 0.476149 0.965836 b NaN NaN NaN c -0.390208 -0.551605 -2.301950 d NaN NaN NaN e -2.000303 -0.788201 1.510072 f -0.930230 -0.670473 1.146615 g NaN NaN NaN h 0.085100 0.532791 0.887415使用重新索引，我们创建了一个有缺失值的DataFrame。在输出中， NaN 意味着 不是一个数字 。 检查缺失值为了更容易地检测缺失值（以及跨越不同的数组类型），Pandas提供了 isnull() 和 notnull() 函数，这也是系列和DataFrame对象的方法– 例子1 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df['one'].isnull()其 输出 情况如下— a False b True c False d True e False f False g True h False Name: one, dtype: bool 例子2 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df['one'].notnull()其 输出结果 如下 – a True b False c True d False e True f True g False h True Name: one, dtype: bool 有缺失数据的计算方法 当对数据进行求和时，NA将被视为零。 如果数据都是NA，那么结果将是NA。 例子1 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df['one'].sum()其 输出结果 如下 – 2.02357685917 例子2 import pandas as pd import numpy as np df = pd.DataFrame(index=[0,1,2,3,4,5],columns=['one','two']) print df['one'].sum()其 输出结果 如下 – nan 清理/填补缺失的数据Pandas提供了各种清理缺失值的方法。fillna函数可以用非空数据 “填充 “缺失值，有几种方法，我们在下面的章节中进行了说明。 用一个标量值替换NaN下面的程序展示了如何用 “0 “替换 “NaN”。 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(3, 3), index=['a', 'c', 'e'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c']) print df print ("NaN replaced with '0':") print df.fillna(0)其 输出结果 如下 – one two three a -0.576991 -0.741695 0.553172 b NaN NaN NaN c 0.744328 -1.735166 1.749580 NaN replaced with '0': one two three a -0.576991 -0.741695 0.553172 b 0.000000 0.000000 0.000000 c 0.744328 -1.735166 1.749580这里，我们填充的是零值；相反，我们也可以填充任何其他值。 向前和向后填充NA利用ReIndexing章节中讨论的填充概念，我们将填充缺失的值。 序号 方法和行动 1 pad/fill 填充方法 前进 2 bfill/backfill 填充法 向后 示例1 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df.fillna(method='pad')其 输出结果 如下 – one two three a 0.077988 0.476149 0.965836 b 0.077988 0.476149 0.965836 c -0.390208 -0.551605 -2.301950 d -0.390208 -0.551605 -2.301950 e -2.000303 -0.788201 1.510072 f -0.930230 -0.670473 1.146615 g -0.930230 -0.670473 1.146615 h 0.085100 0.532791 0.887415 例子2 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df.fillna(method='backfill')其 输出结果 如下 – one two three a 0.077988 0.476149 0.965836 b -0.390208 -0.551605 -2.301950 c -0.390208 -0.551605 -2.301950 d -2.000303 -0.788201 1.510072 e -2.000303 -0.788201 1.510072 f -0.930230 -0.670473 1.146615 g 0.085100 0.532791 0.887415 h 0.085100 0.532791 0.887415 删除缺失值如果你想简单地排除缺失值，那么请使用 dropna 函数和 axis 参数。默认情况下，axis=0，即沿行，这意味着如果某行内的任何数值是NA，那么整个行都会被排除。 例子1 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df.dropna()其 输出结果 如下 – one two three a 0.077988 0.476149 0.965836 c -0.390208 -0.551605 -2.301950 e -2.000303 -0.788201 1.510072 f -0.930230 -0.670473 1.146615 h 0.085100 0.532791 0.887415 例子2 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three']) df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']) print df.dropna(axis=1)其 输出结果 如下 – Empty DataFrame Columns: [ ] Index: [a, b, c, d, e, f, g, h] 替换缺失的（或）通用值很多时候，我们必须用一些特定的值来替换一个通用值。我们可以通过应用替换方法来实现这一点。 用一个标量值替换NA是 fillna() 函数的等效行为。 例子1 import pandas as pd import numpy as np df = pd.DataFrame({'one':[10,20,30,40,50,2000], 'two':[1000,0,30,40,50,60]}) print df.replace({1000:10,2000:60})其 输出结果 如下 – one two 0 10 10 1 20 0 2 30 30 3 40 40 4 50 50 5 60 60 例子2 import pandas as pd import numpy as np df = pd.DataFrame({'one':[10,20,30,40,50,2000], 'two':[1000,0,30,40,50,60]}) print df.replace({1000:10,2000:60})其 输出结果 如下 – one two 0 10 10 1 20 0 2 30 30 3 40 40 4 50 50 5 60 60 |
| CopyRight 2018-2019 实验室设备网 版权所有 |