抱歉,您的浏览器无法访问本站

本页面需要浏览器支持(启用)JavaScript


了解详情 >

处理 NaN 数据, 一些 空 或者 NaN 数据, 如何删除或者填补这些 NaN 数据.

创建含 NaN 的矩阵

建立了一个6X4的矩阵数据并且把两个位置置为空.

1
2
3
4
5
6
7
8
import pandas as pd
import numpy as np

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])
df.iloc[0,1] = np.nan
df.iloc[1,2] = np.nan
print(df)
             A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23

pd.dropna()

如果想直接去掉有 NaN 的行或列, 可以使用 dropna

1
2
3
4
5
df1 = df.dropna(
axis=0, # 0: 对行进行操作; 1: 对列进行操作
how='any' # 'any': 只要存在 NaN 就 drop 掉; 'all': 必须全部是 NaN 才 drop
)
print(df1)
             A     B     C   D
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23

pd.fillna()

如果是将 NaN 的值用其他值代替, 比如代替成 0:

1
2
df2 = df.fillna(value=0)
print(df2)
             A     B     C   D
2013-01-01   0   0.0   2.0   3
2013-01-02   4   5.0   0.0   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23

pd.isnull()

判断是否有缺失数据 NaN, 为 True 表示缺失数据:

1
print(df.isnull())
                A      B      C      D
2013-01-01  False   True  False  False
2013-01-02  False  False   True  False
2013-01-03  False  False  False  False
2013-01-04  False  False  False  False
2013-01-05  False  False  False  False
2013-01-06  False  False  False  False

检测在数据中是否存在 NaN, 如果存在就返回 True:

1
2
np.any(df.isnull()) == True  
# True
True

Reference