第Python處理缺失值的8種不同方法實例目錄前言1.刪除有缺失值的行或列2.刪除只有缺失值的行或列3.根據閾值刪除行或列4.基于特定的列子集刪除5.填充一個常數值6.填充聚合值7.替換為上一個或下一個值8.使用另一個數據框填充總結

前言

缺失值可能是數據科學中最不受歡迎的值，然而，它們總是在身邊。忽略缺失值也是不合理的，因此我們需要找到有效且適當地處理它們的方法。

在本文中，我們將介紹8種不同的方法來解決缺失值問題，哪種方法最適合特定情況取決于數據和任務。

讓我們首先創建一個示例數據框并向其中添加一些缺失值。

我們有一個10行6列的數據框。

下一步是添加缺失值。我們將使用loc方法選擇行和列組合，并使它們等于np.nan，這是標準缺失值表示之一。

這是數據框現在的樣子：

item和measure1列具有整數值，但由于缺少值，它們已被向上轉換為浮點數。

在Pandas1.0中，引入了整數類型缺失值表示()，因此我們也可以在整數列中包含缺失值。但是，我們需要顯式聲明數據類型。

盡管有缺失值，我們現在可以保留整數列。

現在我們有一個包含一些缺失值的數據框。是時候看看處理它們的不同方法了。

1.刪除有缺失值的行或列

一種選擇是刪除包含缺失值的行或列。

使用默認參數值，dropna函數會刪除包含任何缺失值的行。數據框中只有一行沒有任何缺失值。同時我們還可以選擇使用軸參數刪除至少有一個缺失值的列。

2.刪除只有缺失值的行或列

另一種情況是有一列或一行充滿缺失值。這樣的列或行是無用的，所以我們可以刪除它們。

dropna函數也可以用于此目的。我們只需要改變how參數的值。

3.根據閾值刪除行或列

基于any或all的刪除并不總是最好的選擇。我們有時需要刪除具有大量或一些缺失值的行或列。

我們不能將這樣的表達式分配給how參數，但Pandas為我們提供了一種更準確的方法，即thresh參數。

例如，thresh=4意味著至少有4個非缺失值的行將被保留。其他的將被丟棄。

我們的數據框有6列，因此將刪除具有3個或更多缺失值的行。

只有第三行有2個以上的缺失值，所以它是唯一一個被丟棄的。

4.基于特定的列子集刪除

在刪除列時，我們可以只考慮部分列。

dropna函數的子集參數用于此任務。例如，我們可以刪除在度量1或度量2列中有缺失值的行，如下所示：

到目前為止，我們已經看到了根據缺失值刪除行或列的不同方法。放棄并不是唯一的選擇。在某些情況下，我們可能會選擇填充缺失值而不是刪除它們。

事實上，填充可能是更好的選擇，因為數據意味著價值。如何填補缺失值，當然取決于數據的結構和任務。

fillna函數用于填充缺失值。

5.填充一個常數值

我們可以選擇一個常量值來替代缺失值。如果我們只給fillna函數一個常量值，它將用該值替換數據框中的所有缺失值。

更合理的方法是為不同的列確定單獨的常量值。我們可以將它們寫入字典并將其傳遞給values參數。

item列中的缺失值替換為1014，而measure1列中的缺失值替換為0。

6.填充聚合值

另一種選擇是使用聚合值，例如平均值、中位數或眾數。

下面這行代碼用該列的平均值替換了第2列中的缺失值。

7.替換為上一個或下一個值

可以用該列中的前一個或下一個值替換該列中的缺失值。在處理時間序列數據時，此方法可能會派上用場。假設您有一個包含每日溫度測量值的數據框，但缺少一天的溫帶。最佳解決方案是使用第二天或前一天的溫度。

fillna函數的方法參數用于執行此任務。

bfill向后填充缺失值，以便將它們替換為下一個值。看看最后一欄。缺失值被替換到第一行。這可能不適合某些情況。

值得慶幸的是，我們可以限制用這種方法替換的缺失值的數量。如果我們將limit參數設置為1，那么一個缺失值只能用它的下一個值替換。后面的第二個或第三個值將不會用于替換。

8.使用另一個數據框填充

我們還可以將另一個數據幀傳遞給fillna函數。新數據框中的值將用于替換當前數據框中的缺失值。

將根據行索引和列名稱選擇值。例如，如果item列的第二行中存在缺失值，則將使用新數據框中相同位置的值。

以上是具有相同列的兩個數據框。第一個沒有任何缺失值。

我們可以使用fillna函數如下：

df中的值將替換為df2