5.1 缺失值处理isnull、.dropna()、fillna()、

数据缺失主要包括记录缺失和字段信息缺失等情况,其对数据分析会有较大影响,导致结果不确定性更加显著缺失值的处理:删除记录 / 数据插补 / 不处理

1--# 判断是否有缺失值数据 - isnull,notnull

# isnull:缺失值为True,非缺失值为False

# notnull:缺失值为False,非缺失值为True

2--.dropna()

3--填充/替换缺失数据.fillna()

注意如果列是lnt类型就0;如果是str就用nan

4# 缺失值插补   (均值/中位数/众数插补、临近值插补、插值法)

4.1 均值/中位数/众数插补

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 一、认识缺失值 在我们的数据分析过程中,经常会碰到缺失值的情况。缺失值产生的原因很多,比如人工输入失误,系统出错,...
    鸣人吃土豆阅读 6,255评论 0 11
  • 原文首发于我的博客欢迎关注 当我们拿到一批数据的时候,往往都是“不干净”的,而缺失值是最常见也是最容易发现的。不同...
    tikyle阅读 11,719评论 0 8
  • {因为文章好,所以转载!!}R语言缺失值处理 2016-08-23 05:17砍柴问樵夫 数据缺失有多种原因,而大...
    梦醒启程阅读 19,867评论 2 11
  • (一)相识十五天 “我喜欢你。” “我也是。” 上午七点四十三分,程楠刚刚艰难地挤上公交车,尚未站稳,手机短信响了...
    南国飘香阅读 447评论 0 2
  • 想要运用JSPatch这个框架,必须了解知晓的基础!!! 学习原文https://github.com/bang5...
    简鱼7819阅读 366评论 0 1