學(xué)習(xí)資料:

• 相關(guān)代碼

創(chuàng)建含 NaN 的矩陣

有時候我們導(dǎo)入或處理數(shù)據(jù), 會產(chǎn)生一些空的或者是 NaN 數(shù)據(jù),如何刪除或者是填補這些 NaN 數(shù)據(jù)就是我們今天所要提到的內(nèi)容.

建立了一個6X4的矩陣數(shù)據(jù)并且把兩個位置置為空.

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])
df.iloc[0,1] = np.nan
df.iloc[1,2] = np.nan
"""
             A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23
"""

pd.dropna()

如果想直接去掉有 NaN 的行或列, 可以使用 dropna

df.dropna(
    axis=0,     # 0: 對行進行操作; 1: 對列進行操作
    how='any'   # 'any': 只要存在 NaN 就 drop 掉; 'all': 必須全部是 NaN 才 drop 
    ) 
"""
             A     B     C   D
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23
"""

pd.fillna()

如果是將 NaN 的值用其他值代替, 比如代替成 0:

df.fillna(value=0)
"""
             A     B     C   D
2013-01-01   0   0.0   2.0   3
2013-01-02   4   5.0   0.0   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23
"""

pd.isnull()

判斷是否有缺失數(shù)據(jù) NaN, 為 True 表示缺失數(shù)據(jù):

df.isnull() 
"""
                A      B      C      D
2013-01-01  False   True  False  False
2013-01-02  False  False   True  False
2013-01-03  False  False  False  False
2013-01-04  False  False  False  False
2013-01-05  False  False  False  False
2013-01-06  False  False  False  False
"""

檢測在數(shù)據(jù)中是否存在 NaN, 如果存在就返回 True:

np.any(df.isnull()) == True  
# True

下次課會將pandas如何導(dǎo)入導(dǎo)出數(shù)據(jù)的過程。