如何一分钟内找出pandas DataFrame某列中的nan值

一分钟内找出pandas DataFrame某列中的nan值

例如

对格式为DataFrame的变量element，找出其中TEM列里所有的nan值

element=read_element(TRHCLO_data_path,end_trans,sta_info)

步骤一

element_right=element[~(np.isnan(element["TEM"]))] #(element["TEM"]).isna()
element_nan=(element[np.isnan(element["TEM"])])

此时程序报错：

ufunc ‘isnan’ not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ‘‘safe’’

步骤二

对查询列（TEM列）的数据类型进行一次标准处理即可

element["TEM"]=(element["TEM"]).astype(float)  #对下面的np.isnan查询很必要，否则会报格式错误
element_right=element[~(np.isnan(element["TEM"]))] 
element_nan=(element[np.isnan(element["TEM"])])

dataframe缺失值(NaN)处理

在进行机器学习的特征工程时，常常需要根据选择的机器学习算法，采用合适的数据预处理方式，特别是对于对于空值(NaN)的处理，常常使人感到困惑。

一般对于NaN，常常有两种处理方式。

• 第一种——填补
• 第二种——不处理

当你使用sklearn库进行机器学习训练时，一般对于缺失值要求较为严格，因此，需要进行填补，至于填补为何值，则需要根据业务需求进行。

当你使用lightgbm库一类库进行机器学习训练时，一般不需要处理缺失值，因为这类算法，天然支持缺失值处理，它会将缺失值单独分为一类。

本人认为，数据的缺失，在实际中是存在一定的业务含义的，例如月收入的缺失，就反应人对于自己收入的不自信，因此在风控领域就存在更容易逾期现象。但此时若是进行均值的缺失值填补，则会使该业务含义消失，因此我觉得是不可取的。

数据的特征工程决定数据质量，数据质量决定模型效果上限，模型参数决定训练的模型能否逼近理论模型，特征工程的难易复杂程度决定模型最终上线的工作量。

（以上为本人的一点点见解）

判断缺失值的函数有：np.isnan()/ pd.isna()/pd.isnull()。

• np.isnan()：一般用于单个值，也可以用于Series或者DataFrame，但是这里存在一个坑，np.isnan()判断datetime类型的Series或者DataFrame会报错。
• pd.isna()和pd.isnull()：用的比较多，一般推荐使用pd.isna()

s1 = pd.Series([1,2,3,np.nan])
np.isnan(s1)
>>> 0    False
	1    False
	2    False
	3     True
	dtype: bool
pd.isna(s1)
>>> 0    False
	1    False
	2    False
	3     True
	dtype: bool
pd.isnull(s1)
>>> 0    False
	1    False
	2    False
	3     True
	dtype: bool

除了以上的方法之外，还有一种较为方便和万能的方法来判断缺失值，取出非缺失值进行处理(本人一般也采用这种方法)。    

通过对np.nan==np.nan发现，np.nan是不会等于np.nan，因此我们可以通过以下方式取出非缺失值。

np.nan==np.nan
>>> False

s1 = pd.Series([1,2,3,np.nan])
s1==s1
>>> 0     True
    1     True
    2     True
    3    False
    dtype: bool
#获取非缺失值
s1[s1==s1]
>>> 0    1.0
    1    2.0
    2    3.0
    dtype: float64
#获取非缺失值的数量
len(s1[s1==s1])
>>>3
#对缺失值进行填补(除了fillna外的方式)
s1[~(s1==s1)]=0
s1
>>> 0    1.0
    1    2.0
    2    3.0
    3    0.0
    dtype: float64

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

最新评论