Python数据处理问题：如何使用Pandas进行缺失值填充？

原创 我不是女神ヾ 2025-02-24 04:06 34阅读 0赞

在Pandas中，处理缺失值通常有以下几种方法：

  1. dropna（删除含有缺失值的行或列）：

    1. df = pd.DataFrame({
    2.     'A': [1, 2, np.nan],  # 缺失值
    3.     'B': ['foo', 'bar', 'baz'],  # 不同数据
    4.     'C': [5.0, 6.0, 7.0],  # 有序数据
    5. })
    7. df = df.dropna()  # 删除含有NaN的行

  2. fillna（用指定值填充缺失值）：

    1. df = df.fillna(value=0)  # 用0替换NaN

  3. mean/median/mode（计算列的平均值、中位数或众数，并用该值填充缺失值）：

    1. mean_value = df['A'].mean()  # 计算'A'列的平均值
    3. df = df.fillna(value=mean_value)  # 用平均值替换NaN

根据实际需求，选择合适的方法进行处理。

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，34人围观）

还没有评论，来说两句吧...

相关阅读