浅谈pandas中空值的处理方法

在pandas中，可以使用fillna()方法对DataFrame中的空值进行处理。fillna()方法可以接受一个参数，用于指定如何填充空值。以下是一些常用的填充方式：

• 使用固定值填充：fillna(value)
• 使用前一个非空值填充：fillna(method=‘ffill’)
• 使用后一个非空值填充：fillna(method=‘bfill’)
• 使用平均值填充：fillna(df.mean())
• 使用中位数填充：fillna(df.median())

以下是一个示例代码，演示如何使用fillna()方法对DataFrame中的空值进行处理：

import pandas as pd
import numpy as np
# 创建一个DataFrame
df = pd.DataFrame({'name': ['Tom', 'Jerry', None, 'Mike', 'Tom', 'Jerry'],
                   'score': [80, 90, 85, None, 70, 95]})
# 使用固定值填充空值
df1 = df.fillna(value='Unknown')
print(df1)
# 使用前一个非空值填充空值
df2 = df.fillna(method='ffill')
print(df2)
# 使用后一个非空值填充空值
df3 = df.fillna(method='bfill')
print(df3)
# 使用平均值填充空值
df4 = df.fillna(df.mean())
print(df4)
# 使用中位数填充空值
df5 = df.fillna(df.median())
print(df5)

输出结果为：

    name  score
0    Tom   80.0
1  Jerry   90.0
2    NaN   85.0
3   Mike    NaN
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2  Jerry   85.0
3   Mike   85.0
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2   Mike   85.0
3   Mike   70.0
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2    NaN   85.0
3   Mike   82.5
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2    NaN   85.0
3   Mike   85.0
4    Tom   70.0
5  Jerry   95.0

在代码中，使用fillna()方法对DataFrame中的空值进行处理，填充方式可以根据实际情况选择。最终输出处理后的DataFrame即可。

到此这篇关于浅谈pandas中空值的处理方法的文章就介绍到这了,更多相关pandas 空值内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论