Pandas Series缺失值補充

如何去除nan(not a number):

dropna

fillna

add及fill_value

#當計算結果為nan時，需要用特定的值來補充代替

import pandas as pd
s1=pd.series([1,2,3,4],index=['a','b','c','d'])
s2=pd.series([10,20,30,40],index=['c','d','e','f'])
s3=pd.series([1,2,3,4],index=['a','b','c','d'])
s4=pd.series([10,20,30,40],index=['c','d','e','f'])
print (s1+s2) #--1--直接相加只有索引c\d對應有值
print ((s1+s2).dropna())#--2--去除值為空的
print ((s1+s2).fillna(0))#--3--把值為空的地方填充成0
print (s1.add(s2,fill_value=1)) #--4--s1和s2相加，當索引對應值不存在，用1代替s2中元素和s1相加

-----------1------------

a nan
b nan
c 13.0
d 24.0
e nan
f nan
dtype: float64----------2--------------

c 13.0
d 24.0
dtype: float64
-----------3--------------
a 0.0
b 0.0
c 13.0
d 24.0
e 0.0
f 0.0
dtype: float64
-----------4---------------
a 2.0
b 3.0
c 13.0
d 24.0
e 31.0
f 41.0
dtype: float64

缺失值選擇思想和處理缺失值

import pandas as pd from config import file data pd.read csv file,encoding gbk num data.isna sum print num 部分列如下所示 unnamed 0 0 custid 0 trade no 0 ban...

缺失值處理 缺失值填充方法總結

我們在進行模型訓練時，不可避免的會遇到某些特徵出現空值的情況，下面整理了幾種填充空值的方法 對於特徵值缺失的一種常見的方法就是可以用固定值來填充，例如0，9999，9999,例如下面對灰度分這個特徵缺失值全部填充為 99 data 灰度分 data 灰度分 fillna 99 對於數值型的特徵，其缺...

缺失值處理

pandas使用nan not a number 表示浮點和非浮點陣列中的缺失資料，python內建的none值也會被當做na處理，pandas物件上的所有描述統計都排除了缺失資料。na處理方法 方法 說明dropna 根據各標籤的值是否存在缺失資料對軸標籤進行過濾，可通過閾值調節對缺失值的容忍度 ...