pandas数据分析给力教程【完整版】（三）

╰半橙微兮° 2022-09-15 15:57 253阅读 0赞

# Pandas处理丢失数据 #

[上一篇：pandas数据分析给力教程【完整版】（二）][pandas]  
[下一篇：pandas数据分析给力教程【完整版】（四）][pandas 1]

有两种丢失数据：

*  None
 *  np.nan(NaN)

## 1. None ##

None是Python自带的，其类型为python object。因此，None不能参与到任何计算中。

object类型的运算要比int类型的运算慢得多  
计算不同数据类型求和时间  
%timeit np.arange(1e5,dtype=xxx).sum()

## 2. np.nan（NaN） ##

np.nan是浮点类型，能参与到计算中。但计算的结果总是NaN。

但可以使用np.nan\*()函数来计算nan，此时视nan为0。

## 3. pandas中的None与NaN ##

### 1) pandas中None与np.nan都视作np.nan ###

创建DataFrame

使用DataFrame行索引与列索引修改DataFrame数据

### 2) pandas中None与np.nan的操作 ###

*  `isnull()`
 *  `notnull()`
 *  `dropna()`: 过滤丢失数据
 *  `fillna()`: 填充丢失数据

(1)判断函数

*  `isnull()`
 *  `notnull()`

(2) 过滤函数

*  `dropna()`

可以选择过滤的是行还是列（默认为行）

也可以选择过滤的方式 how = ‘all’

(3) 填充函数 Series/DataFrame

*  `fillna()`

可以选择前向填充还是后向填充

对于DataFrame来说，还要选择填充的轴axis。记住，对于DataFrame来说：

*  axis=0：index/行
 *  axis=1：columns/列

============================================

练习7：

1.  简述None与NaN的区别
2.  假设张三李四参加模拟考试，但张三因为突然想明白人生放弃了英语考试，因此记为None，请据此创建一个DataFrame,命名为ddd3
3.  老师决定根据用数学的分数填充张三的英语成绩，如何实现？  
    用李四的英语成绩填充张三的英语成绩？

============================================

[pandas]: https://blog.csdn.net/zly717216/article/details/120750597
[pandas 1]: https://blog.csdn.net/zly717216/article/details/120751592

发表评论取消回复

表情：

评论列表（有 0 条评论，253人围观）

还没有评论，来说两句吧...

相关阅读

相关 Pandas数据分析教程

来源：机器之心 Python 是开源的，它很棒，但是也无法避免开源的一些固有问题：很多包都在做（或者在尝试做）同样的事情。如果你是 Python 新手，那么你很难知道某个特定

柔情只为你懂/ 2022年12月22日 11:16/ 0 赞/ 350 阅读

相关 Python数据分析入门（三）：Pandas介绍

为什么要学习pandas? 那么问题来了： numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方

Dear 丶/ 2022年11月10日 10:56/ 0 赞/ 239 阅读

相关 numpy 给力教程

数据神器 — numpy [下一篇：pandas数据分析给力教程【完整版】（一）][pandas] 导入numpy库 import numpy as np

绝地灬酷狼/ 2022年09月15日 15:58/ 0 赞/ 238 阅读

相关 pandas数据分析给力教程【完整版】（五）

pandas的拼接操作 [上一篇：pandas数据分析给力教程【完整版】（四）][pandas] [下一篇：pandas数据分析给力教程【完整版】（六）][panda

Myth丶恋晨/ 2022年09月15日 15:57/ 0 赞/ 208 阅读

相关 pandas数据分析给力教程【完整版】（四）

pandas层次化索引 [上一篇：pandas数据分析给力教程【完整版】（三）][pandas] [下一篇：pandas数据分析给力教程【完整版】（五）][panda

曾经终败给现在/ 2022年09月15日 15:57/ 0 赞/ 203 阅读

相关 pandas数据分析给力教程【完整版】（三）

Pandas处理丢失数据 [上一篇：pandas数据分析给力教程【完整版】（二）][pandas] [下一篇：pandas数据分析给力教程【完整版】（四）][pand

╰半橙微兮°/ 2022年09月15日 15:57/ 0 赞/ 254 阅读

相关 pandas数据分析给力教程【完整版】（七）

Pandas绘图 [上一篇：pandas数据分析给力教程【完整版】（六）][pandas] Series和DataFrame都有一个用于生成各类图表的plot方法。默认

古城微笑少年丶/ 2022年09月15日 15:56/ 0 赞/ 217 阅读

相关 pandas数据分析给力教程【完整版】（六）

[上一篇：pandas数据分析给力教程【完整版】（五）][pandas] [下一篇：pandas数据分析给力教程【完整版】（七）][pandas 1] impor

秒速五厘米/ 2022年09月15日 15:56/ 0 赞/ 222 阅读

相关 pandas数据分析给力教程【完整版】（二）

Pandas数据加载 [上一篇：pandas数据分析给力教程【完整版】（一）][pandas] [下一篇：pandas数据分析给力教程【完整版】（三）][pandas

曾经终败给现在/ 2022年09月15日 15:56/ 0 赞/ 279 阅读

相关 pandas数据分析给力教程【完整版】（一）

Pandas的数据结构 [numpy 给力教程][numpy] [下一篇：pandas数据分析给力教程【完整版】（二）][pandas] 导入pandas

叁歲伎倆/ 2022年09月15日 15:55/ 0 赞/ 229 阅读