标签:填充 python series dropna 处理 默认 数据 缺失
处理缺失数据:
方法 | 说明 |
dropna |
根据各标签的值中 是否存在缺失数据对轴标签进行过滤,可通过阈值调节对缺失值的容忍程度
|
fillna |
用指定值或插值方法(如ffill 或 bfill ) 填充缺失数据
|
isnull |
返回一个含有布尔值的对象,这些布尔值表示哪些值是缺失值 NA ,该对象的类型与源类型一样
|
过滤缺失数据
可以通过pandas.isnull或布尔索引的手工方法,但dropna可能会更实用一些。对于 series,dropna返回一个仅含非空数据和索引的series:
dropna默认丢弃任何含有缺失值的行填充缺失数据
参数 | 说明 |
value | 用于填充缺失值的标量值或字典对象 |
method | 插值方式。如果函数调用时未指定其他参数的话,默认为‘ffill’ |
参数 | 说明 |
axis | 待填充的轴,默认axis=0 |
inplace | 修改调用者对象而不产生副本 |
limit | (对于前向和后向填充)可以连续填充的最大数量 |
标签:填充,python,series,dropna,处理,默认,数据,缺失 来源: https://www.cnblogs.com/sunflowers-lanqijiu/p/11806345.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。