Python NaN空值的處理

一、先讀取數(shù)據(jù)集

將讀取的表格信息命名為df

import pandas as pd
import warnings
warnings.filterwarnings('ignore')
f = open(r"D:\Python\abalone.csv")
df = pd.read_csv(f,sep=",")
df.head()

此時(shí)df為DataFrame的格式

二、檢查是否有空值

null_all = df.isnull().sum()
null_all

三、對空值進(jìn)行填補(bǔ)

語法參數(shù)介紹

fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
#value：固定值，可以用固定數(shù)字、均值、中位數(shù)、眾數(shù)等，此外還可以用字典，series等形式數(shù)據(jù)；
#method:填充方法，'bfill','backfill','pad','ffill'
#axis: 填充方向，默認(rèn)0和index，還可以填1和columns
#inplace:在原有數(shù)據(jù)上直接修改
#limit:填充個(gè)數(shù)，如1，每列只填充1個(gè)缺失值

這里用中位值填補(bǔ)

# 中位值填補(bǔ)空值
df.fillna(df.median(),inplace=True)

再次查看，確認(rèn)

最后：關(guān)于更多填補(bǔ)方式，可以自行學(xué)習(xí)，這里只做簡單介紹。

解決python去掉數(shù)組中的空值nan的具體操作步驟

Python去掉數(shù)組中的空值nan
在Python的數(shù)據(jù)分析和科學(xué)計(jì)算中，經(jīng)常會(huì)遇到包含空值或NaN（Not a Number）的數(shù)據(jù)。NaN可以表示缺失值或無效值，對于數(shù)據(jù)分析任務(wù)來說，需要將這些NaN值從數(shù)據(jù)中去掉或處理。本文將介紹如何使用Python去掉數(shù)組中的空值NaN，以及一些常用的處理方法。

1. 什么是NaN

NaN是一種特殊的浮點(diǎn)數(shù)，在Python中使用float類型表示。它表示一個(gè)無效的或不可用的數(shù)值。NaN在數(shù)據(jù)分析中通常表示缺失值，例如在采集數(shù)據(jù)的過程中出現(xiàn)了問題或者數(shù)據(jù)缺失的情況。

2. 如何去掉數(shù)組中的空值NaN

在Python中，我們可以使用NumPy庫來處理數(shù)組中的空值NaN。NumPy是一個(gè)功能強(qiáng)大的科學(xué)計(jì)算庫，提供了對多維數(shù)組的支持。

首先，我們需要導(dǎo)入NumPy庫，并創(chuàng)建一個(gè)包含NaN的數(shù)組：

import numpy as np
arr = np.array([1, 2, np.nan, 3, np.nan])
print(arr)

輸出結(jié)果為：

[ 1.  2. nan  3. nan]

接下來，我們可以使用NumPy提供的函數(shù)來處理這些NaN值。其中，isnan()函數(shù)可以用來檢測數(shù)組中的NaN值，返回一個(gè)布爾數(shù)組。

mask = np.isnan(arr)
print(mask)

輸出結(jié)果為：

[False False  True False  True]

可以看到，mask數(shù)組中的True表示對應(yīng)位置上的值是NaN，F(xiàn)alse表示不是NaN。接下來，我們可以使用~操作符來取反，將True轉(zhuǎn)換為False，F(xiàn)alse轉(zhuǎn)換為True。

arr = arr[~mask]
print(arr)

輸出結(jié)果為：

[1. 2. 3.]

由于~mask是一個(gè)布爾數(shù)組，我們可以將其作為索引來獲取對應(yīng)的值。上面的代碼即可將數(shù)組中的NaN值去掉。

3. 其他處理方法

除了使用NumPy庫提供的函數(shù)去掉數(shù)組中的NaN值外，我們還可以使用其他一些處理方法。

3.1 使用pandas庫

pandas是另一個(gè)常用的數(shù)據(jù)分析庫，它提供了更高級的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理功能。我們可以將數(shù)組轉(zhuǎn)換為pandas的Series或DataFrame對象，然后使用dropna()函數(shù)去掉其中的NaN值。

import pandas as pd
s = pd.Series([1, 2, np.nan, 3, np.nan])
s = s.dropna()
print(s)

輸出結(jié)果為：

0    1.0
1    2.0
3    3.0
dtype: float64

3.2 使用列表推導(dǎo)式

除了使用庫函數(shù)外，我們還可以使用列表推導(dǎo)式來去掉數(shù)組中的NaN值。列表推導(dǎo)式是一種簡潔的語法，可以用來創(chuàng)建新的列表。

arr = [x for x in arr if not np.isnan(x)]
print(arr)

輸出結(jié)果為：

[1.0, 2.0, 3.0]

4. 總結(jié)

在Python的數(shù)據(jù)分析和科學(xué)計(jì)算中，經(jīng)常需要處理含有NaN值的數(shù)組。本文介紹了使用NumPy庫去掉數(shù)組中的NaN值的方法，并提供了其他一些處理方法。通過掌握這些方法，我們可以更好地處理含有NaN值的數(shù)組，提高數(shù)據(jù)分析的準(zhǔn)確性和效率。

代碼示例：

import numpy as np
arr = np.array([1, 2, np.nan, 3, np.nan])
print(arr)
mask = np.isnan(arr)
print(mask)
arr = arr[~mask]
print(arr)
import pandas as pd
s = pd.Series([1, 2, np.nan, 3, np.nan])
s = s.dropna()
print(s)
arr = [x for x in arr if not np.isnan(x)]
print(arr)

通過本文的介紹，相信讀者對Python去掉數(shù)組中的空值NaN有了更加深入的了解。在實(shí)際的數(shù)據(jù)分析工作中，我們可以根據(jù)具體的情況選擇合

到此這篇關(guān)于Python-NaN空值的處理的文章就介紹到這了,更多相關(guān)Python NaN空值內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！