Python数据处理：pandas库缺失值处理案例

原创 冷不防 2025-02-06 17:00 61阅读 0赞

在Python的数据处理中，Pandas库是常用的一种工具，它内置了处理缺失值的功能。下面我们将通过几个案例来演示如何使用Pandas进行缺失值处理。

  1. 创建带有缺失值的DataFrame：
  1. import pandas as pd
  3. # 创建一个包含缺失值的DataFrame
  4. data = {'Name': ['Alice', 'Bob', 'Charlie'],
  5.                             'Age': [25, None, 30],
  6.                             'City': ['New York', 'Los Angeles', None]}
  7. df = pd.DataFrame(data)
  9. print(df)

输出结果：

  1.        Name   Age     City
  2. 0    Alice   25  New York
  3. 1      Bob  NaN    Los Angeles
  4. 2  Charlie   30  NaN
  1. 使用dropna()方法删除带有缺失值的行：
  1. # 删除Age列含有缺失值的行
  2. df_clean = df.dropna(subset=['Age']])
  4. print(df_clean)

输出结果：

  1.        Name   Age     City
  2. 0    Alice   25  New York
  3. 1  Charlie   30  NaN

通过以上两个案例，你可以看到如何使用Pandas的dropna()方法来处理缺失值。根据实际情况，还可以选择其他如fillna()、replace()等方法来处理缺失数据。

文章版权声明：注明蒲公英云原创文章，转载或复制请以超链接形式并注明出处。

发表评论

表情：
评论列表 （有 0 条评论，61人围观）

还没有评论，来说两句吧...

相关阅读