pandas 处理缺失值[dropna、drop、fillna]

墨氲 2018-09-22 18:37:18

分类专栏： Python数据处理及可视化 文章标签： Python pandas

版权

面对缺失值三种处理方法：

option 1： 去掉含有缺失值的样本（行）

option 2：将含有缺失值的列（特征向量）去掉

option 3：将缺失值用某些值填充（0，平均值，中值等）

对于dropna和fillna,dataframe和series都有，在这主要讲datafame的

对于option1：

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

参数说明：

axis:

axis=0: 删除包含缺失值的行

axis=1: 删除包含缺失值的列

how: 与axis配合使用

how='any’ :只要有缺失值出现，就删除该行货列

how='all’: 所有的值都缺失，才删除行或列

thresh： axis中至少有thresh个非缺失值，否则删除

比如 axis=0，thresh=10：标识如果该行中非缺失值的数量小于10，将删除改行

subset: list

在哪些列中查看是否有缺失值

inplace: 是否在原数据上操作。如果为真，返回None否则返回新的copy，去掉了缺失值

建议在使用时将全部的缺省参数都写上，便于快速理解

————————————————

版权声明：本文为CSDN博主「墨氲」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/dss_dssssd/article/details/82814673