關於python畫圖實線缺失值結束的信息

本文目錄一覽：

• 1、python中利用pandas怎麼處理預設值
• 2、python填充缺失值
• 3、python dataframe 如何去除缺失值

python中利用pandas怎麼處理預設值

null/None/NaN

null經常出現在資料庫中

None是Python中的缺失值，類型是NoneType

NaN也是python中的缺失值，意思是不是一個數字，類型是float

在pandas和Numpy中會將None替換為NaN，而導入資料庫中的時候則需要把NaN替換成None

找出空值

isnull()

notnull()

添加空值

numeric容器會把None轉換為NaN

In [20]: s = pd.Series([1, 2, 3])

In [21]: s.loc[0] = None

In [22]: s

Out[22]:

0 NaN

1 2.0

2 3.0

dtype: float641234567891012345678910

object容器會儲存None

In [23]: s = pd.Series([“a”, “b”, “c”])

In [24]: s.loc[0] = None

In [25]: s.loc[1] = np.nan

In [26]: s

Out[26]:

0 None

1 NaN

2 c

dtype: object123456789101112123456789101112

空值計算

arithmetic operations(數學計算)

NaN運算的結果是NaN

statistics and computational methods(統計計算)

NaN會被當成空置

GroupBy

在分組中會忽略空值

清洗空值

填充空值

fillna

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

參數

value : scalar, dict, Series, or DataFrame

method : {『backfill』, 『bfill』, 『pad』, 『ffill』, None}, default None(bfill使用後面的值填充,ffill相反）

axis : {0 or 『index』, 1 or 『columns』}

inplace : boolean, default False

limit : int, default None

downcast : dict, default is None

返回值

filled : DataFrame

Interpolation

replace

刪除空值行或列

DataFrame.dropna(axis=0, how=』any』, thresh=None, subset=None, inplace=False)

參數

axis : {0 or 『index』, 1 or 『columns』}, or tuple/list thereof

how : {『any』, 『all』}

thresh : int, default None

subset : array-like

inplace : boolean, default False

返回

dropped : DataFrame

python填充缺失值

對於大多數情況而言，fillna方法是最主要的函數。通過一個常數調用fillna就會將缺失值替換為那個常數值。

fillna(value)

參數：value

說明：用於填充缺失值的標量值或字典對象

#通過常數調用fillna

書寫方式：df.fillna(0) #用0替換缺失值

#通過字典調用fillna

書寫方式：df.fillna({1:0.5,3:-1})

fillna(value,inplace=True)

參數：inplace

說明：修改調用者對象而不產生副本

#總是返回被填充對象的引用

書寫方式：df.fillna(0,inplace=True)

fillna(method=ffill)

參數：method

說明：插值方式。如果函數調用時未指定其他參數的話，默認為「ffill」

對reindex有效的那些插值方法也可用於fillna：

In [23]: from numpy import nan as NA

In [21]: df=DataFrame(np.random.randn(6,3))

In [24]: df.ix[2:,1]=NA;df.ix[4:,2]=NA

In [25]: df

Out[25]:

0 1 2

0 -0.863925 1.005127 -0.529901

1 0.701671 -0.501728 -0.617387

2 -0.951060 NaN -0.263626

3 0.810230 NaN -0.277401

4 -0.403899 NaN NaN

5 -0.081091 NaN NaN

In [26]: df.fillna(method=’ffill’)

Out[26]:

0 1 2

0 -0.863925 1.005127 -0.529901

1 0.701671 -0.501728 -0.617387

2 -0.951060 -0.501728 -0.263626

3 0.810230 -0.501728 -0.277401

4 -0.403899 -0.501728 -0.277401

5 -0.081091 -0.501728 -0.277401

fillna(limit=2)

參數：limit

說明：（對於前向和後向填充）可以連續填充的最大數量

In [27]: df.fillna(method=’ffill’,limit=2)

Out[27]:

0 1 2

0 -0.863925 1.005127 -0.529901

1 0.701671 -0.501728 -0.617387

2 -0.951060 -0.501728 -0.263626

3 0.810230 -0.501728 -0.277401

4 -0.403899 NaN -0.277401

5 -0.081091 NaN -0.277401

fillna(data.mean())

只要稍微動動腦子，就可以利用fillna實現許多別的功能。比如說，可以傳入Series的平均值或中位數：

In [28]: data=Series([1,NA,3.5,NA,7])

In [29]: data.fillna(data.mean())

python dataframe 如何去除缺失值

1、導入需要的庫。import pandas as pd，import numpy as np，from sklearn.preprocessing import Imputer。

2、生成缺失數據。data=pd.DataFrame({‘name’:[‘Kite’,’Lily’,’Hanmei’,’Danny’,’Bob’],’English’:[92,78,np.nan,23,82],’Math’:[69,87,91,np.nan,90],’Chinese’:[np.nan,78,96,np.nan,75]})，print(data)。

3、查看缺失值。data.isnull()#查看所有缺失值，data.isnull().any()#獲取含有缺失值的列，data.isnull().all()#獲取全部為NA的列。

4、刪除缺失值。這種處理方式丟失的信息比較多。data2=data.dropna()。print(data2)可以看到，刪除後，僅剩兩行數據。

5、利用sklearn替換缺失值。當缺失值為數值型數據時，可用利用均值來替換。

6、利用pandas替換缺失值。data.fillna(0) #缺失值用0替換。

擴展資料

Python在執行時，首先會將py文件中的源代碼編譯成Python的byte code（位元組碼），然後再由Python Virtual Machine（Python虛擬機）來執行這些編譯好的byte code。這種機制的基本思想跟Java，NET是一致的。

然而，Python Virtual Machine與Java或.NET的Virtual Machine不同的是，Python的Virtual Machine是一種更高級的Virtual Machine。

這裡的高級並不是通常意義上的高級，不是說Python的Virtual Machine比Java或.NET的功能更強大；

說和Java 或NET相比，Python的Virtual Machine距離真實機器的距離更遠。或者可以這麼說，Python的Virtual Machine是一種抽象層次更高的Virtual Machine。

基於C的Python編譯出的位元組碼文件，通常是pyc格式。除此之外，Python還可以以交互模式運行，比如主流操作系統Unix/Linux、Mac、Windows都可以直接在命令模式下直接運行Python交互環境。直接下達操作指令即可實現交互操作。

Python的設計目標之一是讓代碼具備高度的可閱讀性。它設計時盡量使用其它語言經常使用的標點符號和英文單字，讓代碼看起來整潔美觀。

它不像其他的靜態語言如C、Pascal那樣需要重複書寫聲明語句，也不像它們的語法那樣經常有特殊情況和意外。

Python開發者有意讓違反了縮進規則的程序不能通過編譯，以此來強製程序員養成良好的編程習慣。

並且Python語言利用縮進表示語句塊的開始和退出（Off-side規則），而非使用花括弧或者某種關鍵字。增加縮進表示語句塊的開始，而減少縮進則表示語句塊的退出。縮進成為了語法的一部分。