溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
不懂Pandas缺失值的處理方式是什么？？其實想解決這個問題也不難，下面讓小編帶著大家一起學習怎么去解決，希望大家閱讀完這篇文章后大所收獲。
處理方式：
存在缺失值nan,并且是np.nan:
刪除存在缺失值的:dropna(axis='rows')
替換缺失值:fillna(df[].mean(), inplace=True)
不是缺失值nan，有默認標記的
1、存在缺失值nan,并且是np.nan
# 判斷數據是否為NaN
# pd.isnull(df),pd.notnull(df),pd.isna(df)
# 讀取數據
movie = pd.read_csv("./date/IMDB-Movie-Data.csv")
##第一種 刪除
# pandas刪除缺失值，使用dropna的前提是，缺失值的類型必須是np.nan
# 刪除缺失值為np.nan的所在行
movie.dropna()
# 第二種 替換缺失值
# 替換存在缺失值的樣本
# 替換 填充平均值
movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True)
# 替換 填充自定義值
movie['Metascore'].fillna(11, inplace=True)2、不是缺失值nan，有默認標記的
1、先替換默認標記值為np.nan
df.replace(to_replace=, value=)
2、在進行缺失值的處理
# 把一些其它值標記的缺失值，替換成np.nan
mm = moive.replace(to_replace='默認值', value=np.nan)
感謝你能夠認真閱讀完這篇文章，希望小編分享Pandas缺失值的處理方式是什么？內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
