Python數據分析之缺失值檢測與處理詳解

Posted on by

檢測缺失值

我們先創建一個帶有缺失值的數據框(DataFrame)。

import pandas as pd

df = pd.DataFrame(
    {'A': [None, 2, None, 4],
     'B': [10, None, None, 40], 
     'C': [100, 200, None, 400],
     'D': [None, 2000, 3000, None]})
df

數值類缺失值在 Pandas 中被顯示為 NaN (Not A Number)。下面看看如何判斷哪些列或者哪些行有缺失值。

1.info()

info() 返回的結果中，我們隻需要觀察每一列對應的 Non-Null Count 的數量是否等於 RangeIndex(索引范圍) 即可。

2.isnull()

isnull() 返回一個與原 DataFrame 大小(列數，行數)相同的數據框，行列對應的數據代表著該位置是否為缺失值。

df.isnull()

使用 sum() 來檢測每列中的缺失值的數量。

df.isnull().sum()

通過 .T 將 DataFrame 轉置，獲取檢測每行中缺失值的數量。

df.isnull().T.sum()

缺失值處理

刪除缺失值

如果出現缺失值的行/列重要性不大的話，可以直接使用 dropna() 刪除帶有缺失值的行/列。

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

參數含義

  • axis：控制行列的參數，0 行，1 列。
  • how：any，如果有 NaN，刪除該行或列；all，如果所有值都是 NaN，刪除該行或列。
  • thresh：指定 NaN 的數量，當 NaN 數量達到才刪除。
  • subset：要考慮的數據范圍，如：刪除缺失行，就用subset指定參考的列，默認是所有列。
  • inplace：是否修改原數據，True直接修改原數據,返回 None，False則返回處理後的數據框。

指定 axis = 1，如果列中有缺失值，則刪除該列。

df.dropna(axis=1, how='any')

由於每列都有缺失值，所以隻剩索引。

指定 axis = 0（默認），如果行中有缺失值，則刪除該行。

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

以 ABC 列為參照，刪除這三列都是缺失值的行。

df.dropna(axis=0, subset=['A', 'B', 'C'], how='all')

保留至少有3個非NaN值的行。

df.dropna(axis=0, thresh=3)

填補缺失值

另一種常見的缺失值處理方式就是使用 fillna() 填補缺失值。

df.fillna(value=None,
          method=None,
          axis=0,
          inplace=False,
          limit=None)

1. 直接指定填充值

df.fillna(666)

2.用缺失值前/後的值填充

按前一個值填充

當method 值為 ffill 或 pad時，按前一個值進行填充。

當 axis = 0，用缺失值同一列的上一個值填充，如果缺失值在第一行則不填充。

當 axis = 1，用缺失值同一行的上一個值填充，如果缺失值在第一列則不填充。

df.fillna(axis=0, method='pad')

按後一個值填充

當method 值為 backfill 或 bfill時，按後一個值進行填充。

當 axis = 0，用缺失值同一列的下一個值填充，如果缺失值在最後一行則不填充。

當 axis = 1，用缺失值同一行的下一個值填充，如果缺失值在最後一列則不填充。

df.fillna(axis=0, method='bfill')

指定相應的方法來填充

df.fillna(df.mean())

limit限制填充次數

在ABCD列上，每列隻填充第一個空值。

df.fillna(value=666, axis=1, limit=1)

以上就是Python數據分析之缺失值檢測與處理詳解的詳細內容，更多關於Python 缺失值檢測處理的資料請關註WalkonNet其它相關文章！

推薦閱讀：