5.1 缺失值处理isnull、.dropna()、fillna

2018-05-20  本文已影响0人  夏日春风

数据缺失主要包括记录缺失和字段信息缺失等情况,其对数据分析会有较大影响,导致结果不确定性更加显著缺失值的处理:删除记录 / 数据插补 / 不处理

1--# 判断是否有缺失值数据 - isnull,notnull

# isnull:缺失值为True,非缺失值为False

# notnull:缺失值为False,非缺失值为True

2--.dropna()

3--填充/替换缺失数据.fillna()

注意如果列是lnt类型就0;如果是str就用nan

4# 缺失值插补   (均值/中位数/众数插补、临近值插补、插值法)

4.1 均值/中位数/众数插补

上一篇下一篇

猜你喜欢

热点阅读