前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >pandas的基本用法——处理缺失数据

pandas的基本用法——处理缺失数据

作者头像
Tyan
发布2019-05-25 23:04:49
4340
发布2019-05-25 23:04:49
举报
文章被收录于专栏:SnailTyan

本文主要是关于pandas的一些基本用法。

代码语言:javascript
复制
#!/usr/bin/env python
# _*_ coding: utf-8 _*_

import pandas as pd
import 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.nan
df.iloc[2, 2] = np.nan
print df

# Test 1 result
             A     B     C   D
2017-01-01   0   1.0   2.0   3
2017-01-02   4   NaN   6.0   7
2017-01-03   8   9.0   NaN  11
2017-01-04  12  13.0  14.0  15
2017-01-05  16  17.0  18.0  19
2017-01-06  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   D
2017-01-01   0   1.0   2.0   3
2017-01-04  12  13.0  14.0  15
2017-01-05  16  17.0  18.0  19
2017-01-06  20  21.0  22.0  23

             A     B     C   D
2017-01-01   0   1.0   2.0   3
2017-01-02   4   0.0   6.0   7
2017-01-03   8   9.0   0.0  11
2017-01-04  12  13.0  14.0  15
2017-01-05  16  17.0  18.0  19
2017-01-06  20  21.0  22.0  23

                A      B      C      D
2017-01-01  False  False  False  False
2017-01-02  False   True  False  False
2017-01-03  False  False   True  False
2017-01-04  False  False  False  False
2017-01-05  False  False  False  False
2017-01-06  False  False  False  False

True

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年04月28日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档