处理数据中的缺失值

数据集:

 

train=pd.read_csv('./1.csv')//用代码读取数据

print(train)//并对其输出

输出结果:

    id    sd   q
0 NaN 7.0 1.0
1 NaN NaN NaN
2 NaN 4.0 7.0
3 4.0 NaN 6.0
4 NaN 6.0 11.0
5 2.0 NaN 3.0

补充缺失值的几种方法。

1、将所有缺失值补为0。

2、用缺失值上面的值，对其进行补充。

3、用缺失值下面的值，对其进行补充。

4、用该列的中位数填充缺失值。

5、用该列的众数填充缺失值。

1:

用0补充缺失值用fillna(0)

 

 fillna的返回值是被填充好的框架。

代码:

train=pd.read_csv('./1.csv')

train=train.fillna(0)

print(train)

输出结果:

 

 2:

用缺失值上面的值对其进行代替用函数

data = data.fillna(axis=0,method='ffill')

print(data)

输出结果:

 

 得出结论边界为Nan时，采用上边界值补全缺失值不会报错，但不会处理上边界的缺失值。

method参数:

 

ffill参数其翻译过来就是取前一个数对缺失值进行填充。

axis表示取填充值的方向0为竖轴方向，1为横向。

 如果加上limit代表能连续填充多少个值:

比如

1

Nan

Nan

Nan

如果limit=2

就会变为

1

1

1

Nan

 4.中位数填充缺失值

4.1选出连续的值。

通过选出列属性为非object的值在调用columns函数即可得出列名。

代码:

column=train.select_dtypes(exclude=['object']).columns

print(column)

输出:

Index(['id', 'sd', 'q'], dtype='object')

之后在指定列调用fillna函数，填写该列空缺值用该列的中位数。

for i in column:

    train[i]=train[i].fillna(train[i].median())

print(train)

输出值: