Pandas 10分鐘入門----缺失數據的處理（官方文檔註釋版三）
阿新 • • 發佈：2017-07-07
class ble 布爾 code 刪除索引 date method ren 插值
在日常我們獲取的數據中，經常會出現數據缺失的情況。對數據缺失的處理，有多種處理的方法：插值填補、平均值填補方法很多。這裏不具體討論用哪種方式去插補這些數據，而只是談談如何使用pandas去快速的處理這些數據。
pandas 常用np.nan代表缺失數據，詳情可以查看Missing Data section。
1、 reindex()可以允許你在指定維度上修改、增加、刪除索引，並返回數據的副本：
df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + [‘E‘]) df1.loc[dates[0]:dates[1],‘E‘] = 1 df1 A B C D F E 2013-01-01 0.000000 0.000000 -1.509059 5 NaN 1.0 2013-01-02 1.212112 -0.173215 0.119209 5 1.0 1.0 2013-01-03 -0.861849 -2.104569 -0.494929 5 2.0 NaN 2013-01-04 0.721555 -0.706771 -1.039575 5 3.0 NaN
2、丟棄有缺失的行 dropna
可以是dropna(axis=xx),增加參數從而只清理一個維度的值
註意：這裏顯示的是返回的副本的值，而不是原始的值
3、填充空值
>>> df2.fillna(value=9.9)
A B C D E F
2017-01-01 1.500000 2.500000 0.123356 -1.798571 9.9 1
2017-01-02 -0.459646 0.520100 0.511138 0.183975 9.9 2
2017-01-03 0.463326 -0.970487 -1.120780 -0.614481 5.0 3
2017-01-04 1.505464 -1.743313 1.020903 -1.049047 5.0 44、用布爾型標識那些是空值
>>> pd.isnull(df2) A B C D E F 2017-01-01 False False False False True False 2017-01-02 False False False False True False 2017-01-03 False False False False False False 2017-01-04 False False False False False False
5、用前置值或者後置值填充空值 fillna(method=xxx)
method中的backfill是後向，pad代表前向。該方法對於reindex一樣適用。
Pandas 10分鐘入門----缺失數據的處理（官方文檔註釋版三）