pandas - 缺失值处理

缺失值的处理逻辑

对于 NaN 的数据，在 pandas 中我们处理起来非常容易

判断数据是否为NaN：pd.isnull(df) 或者 pd.notnull(df)

处理方式：

存在缺失值 nan，并且是 np.nan

• 删除

# pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan
df.dropna()

• 替换缺失值

# 替换存在缺失值的样本
# 替换？  填充平均值，中位数
df['Metascore'].fillna(df['Metascore'].mean(), inplace=True)

不是缺失值 nan，有默认标记的

数据是这样的：

wis = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data")

处理思路分析：

• 先替换‘?’为 np.nan

df.replace(to_replace=, value=)

• 再进行缺失值的处理

# 把一些其它值标记的缺失值，替换成np.nan
wis = wis.replace(to_replace='?', value=np.nan)
wis.dropna()