Pandas 缺失值处理
在实际应用中对于数据进行分析的时候，经常能看见缺失值，下如何利用pandas 来处理缺失值。常见的缺失值处理方式有，过滤、填充。
缺失值的判断
pandas 使用浮点值 NaN(Not a Number)表示浮点数和非浮点数组中的缺失值，同时 python内置None值也会被当作是缺失值。
DataFrame.dropna()
DataFrame.dropna(axis=0,
how='any',
thresh=None,
subset=None,
inplace=False
)
axis: 维度，axis=0 表示index行, axis=1表示columns列，默认为0how: "all"表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，"any"表示这一行或列中只要有元素缺失，就删除这一行或列thresh:一行或一列中至少出现了thresh个才删除。subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列）inplace：刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改。
默认参数：删除行，只要有空值就会删除，不替换。
df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
"toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"), pd.NaT]})
# print(df)
'''
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
'''
print(df.dropna())
'''
name toy born
1 Batman Batmobile 1940-04-25
'''
print(df)
'''
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
'''
#delete colums
print(df.dropna(axis=1) )#delete co
'''
name
0 Alfred
1 Batman
2 Catwoman
'''
#"所有值全为缺失值才删除"
print(df.dropna(how='all'))
'''
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
'''
#"至少出现过两个缺失值才删除"
print(df.dropna(thresh=2))
'''
name toy born
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
'''
#"删除这个subset中的含有缺失值的行或列"
print (df.dropna(subset=['name', 'born']))
'''
name toy born
1 Batman Batmobile 1940-04-25
'''
DataFrame.fillna()
DataFrame.fillna(value=None,
method=None,
axis=None,
inplace=False,
limit=None,
downcast=None,
**kwargs
)
函数作用：填充缺失值
value:需要用什么值去填充缺失值axis:确定填充维度，从行开始或是从列开始method：ffill:用缺失值前面的一个值代替缺失值，如果axis =1，那么就是横向的前面的值替换后面的缺失值，如果axis=0，那么则是上面的值替换下面的缺失值。backfill/bfill，缺失值后面的一个值代替前面的缺失值。 注意这个参数不能与value同时出现limit: 确定填充的个数，如果limit=2，则只填充两个缺失值。
df = pd.DataFrame([[np.nan, 2, np.nan, 0],
[3, 4, np.nan, 1],
[np.nan, np.nan, np.nan, 5],
[np.nan, 3, np.nan, 4]],
columns=list('ABCD'))
print(df)
'''
A B C D
0 NaN 2.0 NaN 0
1 3.0 4.0 NaN 1
2 NaN NaN NaN 5
3 NaN 3.0 NaN 4
'''
#"横向用缺失值前面的值替换缺失值"
print(df.fillna(axis=1, method='ffill'))
'''
A B C D
0 NaN 2.0 2.0 0.0
1 3.0 4.0 4.0 1.0
2 NaN NaN NaN 5.0
3 NaN 3.0 3.0 4.0
'''
#"纵向用缺失值上面的值替换缺失值"
print(df.fillna(axis=0,method='ffill'))
'''
A B C D
0 NaN 2.0 NaN 0
1 3.0 4.0 NaN 1
2 3.0 4.0 NaN 5
3 3.0 3.0 NaN 4
'''
print(df.fillna(0))
'''
A B C D
0 0.0 2.0 0.0 0
1 3.0 4.0 0.0 1
2 0.0 0.0 0.0 5
3 0.0 3.0 0.0 4
'''
不同的列用不同的值填充：,可以通过一个字典用fillna,实现对不同的列填充不同的值
# 不同的列用不同的值填充：
values={'A':0,'B':1,'C':2,'D':3}
print(df.fillna(value=values))
'''
A B C D
0 0.0 2.0 2.0 0
1 3.0 4.0 2.0 1
2 0.0 1.0 2.0 5
3 0.0 3.0 2.0 4
'''
DataFrame.isna()
判断是不是缺失值：
df = pd.DataFrame({'age':[5, 6,np.NaN],
'born':[pd.NaT, pd.Timestamp('1939-05-27'),
pd.Timestamp('1929-05-27')],
'name':['alf', 'daes',''],
'toy':[None, 'asyeg','aued']
})
df.isna()
age born name toy
0 False True False True
1 False False False False
2 True False False False
isnull 同上。
df = pd.DataFrame([[np.nan, 2, np.nan, 0],
[3, 4, "", 1],
[np.nan, np.nan, np.nan, 5],
[np.nan, 3, "", 4]],
columns=list('ABCD'))
print(df)
'''
A B C D
0 NaN 2.0 NaN 0
1 3.0 4.0 1
2 NaN NaN NaN 5
3 NaN 3.0 4
'''
如上，缺失值是NAN，空值是没有显示。
替换空值代码：需要把含有空值的那一列提出来单独处理，然后在放进去就好。
clean_z = df['C'].fillna(0)
clean_z[clean_z==''] = 'hello'
df['C'] = clean_z
print(df)
'''
A B C D
0 NaN 2.0 0 0
1 3.0 4.0 hello 1
2 NaN NaN 0 5
3 NaN 3.0 hello 4
'''