Pandas缺失数据的多种处理方法（附带实例）

数据缺失在现实生活中总是一个问题。机器学习和数据挖掘等领域由于数据缺失导致的数据质量差，在模型预测的准确性上面临着严重的问题。在这些领域，缺失值处理是使模型更加准确和有效的重点。

Pandas清理/填充缺失数据

Pandas 中，提供了各种方法来清除缺失的值。例如 fillna() 函数可以通过几种方法用非空数据“填充” NA 值。

1) 用标量值替换 NaN

【实例】实现利用 0 替换 NaN。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(3, 3), index=['a', 'c', 'e'], columns=['one', 'two', 'three'])
df = df.reindex(['a', 'b', 'c'])
print((df))
print(("NaN replaced with '0':"))
print((df.fillna(0)))

运行程序，输出如下：

        one       two     three
a  0.134786 -0.665440  1.031066
b       NaN       NaN       NaN
c -0.234630  0.365228  0.900559
NaN replaced with '0':
        one       two     three
a  0.134786 -0.665440  1.031066
b  0.000000  0.000000  0.000000
c -0.234630  0.365228  0.900559

在代码中填充零值；当然，也可以填写任何其他的值。

2) 填写NA前进和后退

在 Pandas 中，使用重构索引来填补缺失的值，用 pad/fill 实现向前填充；用 bfill/backfill 实现向后填充。

【实例】在 Pandas 中实现数据的向前和向后填充。

import pandas as np
df = pd.DataFrame(np.random.randn(5, 4), index=['a', 'c', 'e', 'f', 'h'], columns=['one', 'two', 'three', 'four'])
df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
print("向前填充:")
print((df.fillna(method='pad')))
print("向后填充:")
print((df.fillna(method='backfill')))

运行程序，输出如下：

向前填充：
        one       two     three      four
a  0.034790  1.005697  0.431137 -0.058153
b  0.034790  1.005697  0.431137 -0.058153
c -0.814714 -0.066868  1.498604  1.376005
d -0.814714 -0.066868  1.498604  1.376005
e  0.642797  1.366646  0.254760  0.813363
f  0.664446 -1.167325 -1.023418  0.619679
g -1.292199  0.890516 -0.528650  1.578790
向后填充：
        one       two     three      four
a  0.834798  1.005697  0.431137 -0.058153
b -0.814714 -0.066868  1.498604  1.376005
c -0.814714 -0.066868  1.498604  1.376005
d  0.642797  1.366646  0.254760  0.813363
e  0.642797  1.366646  0.254760  0.813363
f  0.664446 -1.167325 -1.023418  0.619679
g -1.292199  0.890516 -0.528650  1.578790
h -1.292199  0.890516 -0.528650  1.578790

Pandas丢失缺失的值

如果只想排除缺失的值，则可以使用 dropna 函数和 axis 参数。默认情况下，axis=0，即在行上应用，这意味着如果行内的任何值是 NA，那么整个行被排除。

【实例】丢失缺失的值实例演示。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'], columns=['one', 'two', 'three'])
df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
print("dropna 函数丢失缺失值:")
print((df.dropna()))
print("dropna(axis=1) 丢失缺失值:")
print((df.dropna(axis=1)))

运行程序，输出如下：

dropna 函数丢失缺失值：
        one       two     three
a -1.575938  1.380752  0.162324
e  3.769322 -0.010408  0.960927
f -0.049180  0.642961 -0.615139
h -0.444261 -1.075184  0.700558
dropna(axis=1) 丢失缺失值：
Empty DataFrame
Columns: []
Index: [a, b, c, d, e, f, g, h]

Python替换丢失/通用值

很多时候，必须用一些具体的值取代一个通用的值。可以通过应用替换方法来实现这一点。用标量值替换 NA 是 fillna() 函数的有效行为。

【实例】在 Pandas 中实现替换丢失值。

import pandas as pd
import numpy as np
df = pd.DataFrame({'one':[10,20,30,40,50,2000],'two':[1000,0,30,40,50,60]})
print (df.replace({1000:10,2000:60}))

运行程序，输出如下：

    one  two
0    10   10
1    20    0
2    30   30
3    40   40
4    50   50
5    60   60