如何通过代码实例展示Pandas中处理缺失值的两种方法？

本文共计400个文字，预计阅读时间需要2分钟。

处理方式：- 存在缺失值nan，并且是np.nan： - 删除存在缺失值的行：dropna(axis='rows')- 替换缺失值：fillna(df[列名].mean(), inplace=True)- 不是缺失值nan，有默认标记的1、存在缺失值nan，并且是np.nan：无需处理

处理方式：

存在缺失值nan,并且是np.nan:

删除存在缺失值的:dropna(axis='rows')

替换缺失值:fillna(df[].mean(), inplace=True)

不是缺失值nan，有默认标记的

1、存在缺失值nan,并且是np.nan

# 判断数据是否为NaN # pd.isnull(df),pd.notnull(df),pd.isna(df) # 读取数据 movie = pd.read_csv("./date/IMDB-Movie-Data.csv") ##第一种 删除 # pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan # 删除缺失值为np.nan的所在行 movie.dropna() # 第二种 替换缺失值 # 替换存在缺失值的样本 # 替换 填充平均值 movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True) # 替换 填充自定义值 movie['Metascore'].fillna(11, inplace=True)

2、不是缺失值nan，有默认标记的

1、先替换默认标记值为np.nan

df.replace(to_replace=, value=)

2、在进行缺失值的处理

# 把一些其它值标记的缺失值，替换成np.nan
mm = moive.replace(to_replace='默认值', value=np.nan)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。