pandas的基本用法(四)——处理缺失数据

来源：互联网发布：买卖点炒股软件编辑：程序博客网时间：2024/05/16 15:00

文章作者：Tyan
博客：noahsnail.com | CSDN | 简书

本文主要是关于pandas的一些基本用法。

#!/usr/bin/env python# _*_ coding: utf-8 _*_import pandas as pdimport numpy as np# Test 1# 定义数据dates = pd.date_range('20170101', periods = 6)df = pd.DataFrame(np.arange(24).reshape((6, 4)), index = dates, columns = ['A', 'B', 'C', 'D'])# 假设缺少数据df.iloc[1, 1] = np.nandf.iloc[2, 2] = np.nanprint df# Test 1 result             A     B     C   D2017-01-01   0   1.0   2.0   32017-01-02   4   NaN   6.0   72017-01-03   8   9.0   NaN  112017-01-04  12  13.0  14.0  152017-01-05  16  17.0  18.0  192017-01-06  20  21.0  22.0  23# Test 2# 按行或列来舍弃数据, how = any or all, any是默认值print df.dropna(axis = 0, how = 'any')# 填充数据print df.fillna(value = 0)# 判断是否缺失数据print df.isnull()# 判断是否存在缺失数据的情况print np.any(df.isnull() == True)# Test 2 result             A     B     C   D2017-01-01   0   1.0   2.0   32017-01-04  12  13.0  14.0  152017-01-05  16  17.0  18.0  192017-01-06  20  21.0  22.0  23             A     B     C   D2017-01-01   0   1.0   2.0   32017-01-02   4   0.0   6.0   72017-01-03   8   9.0   0.0  112017-01-04  12  13.0  14.0  152017-01-05  16  17.0  18.0  192017-01-06  20  21.0  22.0  23                A      B      C      D2017-01-01  False  False  False  False2017-01-02  False   True  False  False2017-01-03  False  False   True  False2017-01-04  False  False  False  False2017-01-05  False  False  False  False2017-01-06  False  False  False  FalseTrue

1 0