pandas 缺失值、异常值提取和处理

朋蛋儿蛋儿

1. for columname in df.columns: #遍历每一列
2.     if df[columname].count()  != len(df): #判断缺失行条件：所在列的值数等于总数据的长度
3.         #将存在缺失值的行的索引转换成列表储存
4.         loc = df[columname][df[columname].isnull().values == True].index.tolist()
5.         print('列名："{}",第{}行位置有缺失值'.format(columname, loc))

复制代码

遍历每列 -> 列长是否小于总长 ->缺失值所在行： df['列名'][df['列名‘].isnull().values==True ]
1. 缺失值处理
dropna()删除缺失值

1. df.dropna(axis=0) # 删除包含缺失值的行<br>df.dropna(axis=1) # 删除包含缺失值的列

复制代码

使用 fillna() 方法填充缺失值，可以使用指定的值、前一个有效值、后一个有效值或者均值、中位数等。

1. df.fillna(value=0)  # 用指定值填充缺失值
2. df.fillna(method='ffill')  # 使用前一个有效值填充缺失值
3. df.fillna(method='bfill')  # 使用后一个有效值填充缺失值
4. df.fillna(df.mean())  # 使用均值填充缺失值<br>df.fillna((df.shift()+df.shift(-1))/2) #用前后数值的平均值填充<br># 使用前一个数据和后一个数据的平均值填充缺失值，边界情况下使用同侧的值<br>df = df.fillna((df.shift().fillna(method='bfill') + df.shift(-1).fillna(method='ffill')) / 2)<br>

复制代码

最后一行的边界情况指的是第一行、最后一行等情况
2. 不合规数据
df[df['ColumnName']=='不合规数据']
df[df['ColumnName'].str.contains(' ')]
包含’--‘为不合规数据提取：

1. # 方法一：isin()
2. df[df['column'].isin(['--'])]<br>
3. # 方法二：contains()
4. df[df["column"].str.contains("--")]

复制代码

数据类型不为str提取：

1. temp = pd.DataFrame()
2. for i in range(len(df)):
3.     if type(df['ColumnName'][i]) != str: #df['xxx'][i]或写成df.iloc[i,j]
4.         temp = temp.append(df.loc[i])

复制代码

 
不合规数据的处理：讲数据替换成nan，再用缺失值处理的方法

1. # 将不符合规范的值替换为 NaN
2. df = df.replace(['--', '111'], np.nan)
4. # 使用前一个数据和后一个数据的平均值填充缺失值，边界情况下使用同侧的值
5. df = df.fillna((df.shift().fillna(method='bfill') + df.shift(-1).fillna(method='ffill')) / 2)

复制代码

 

来源:https://www.cnblogs.com/ricenoodle/p/18018554
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！