2020年7月27日

摘要: 阅读目录 缺失值处理 1.判断是否有缺失数据 2. 删除缺失值 - dropna 3.填充/替换缺失值 4.缺失值插补 (1)均值/中位数/众数补插 (2)临近值插补 (3)插值法 拉格朗日插值法 缺失值处理 数据缺失主要包括记录缺失和字段信息缺失等情况,其对数据分析会有较大影响,导致结果不确定性更 阅读全文

posted @ 2020-07-27 13:39 Ⅰ苇 阅读(298) 评论(0) 推荐(0)


博客园  ©  2004-2026
浙公网安备 33010602011771号 浙ICP备2021040463号-3