标签：数据分析 删除 Min Python labels Killed data Event
导入数据
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
data = pd.read_excel(“data/attacks.xlsx”)
data.head(5)
1
2
3
4
5
6
7
不管是分析什么数据，首先都要将其数据导入进来,才会有后续的问题分析。
查看数据的基本信息
data.info()
1
该命令行可以查看数据的基本信息，比如一共有多少条记录、多少个特征、字段名称、字段类型、缺失行的数量等。
缺失值处理——删除行或列
方法一
data=data.drop(columns=[“Islamic_Date”,“Temperature_F”])
data.head(5)
1
2
说明：中括号里面是列名，可以添加多个列名
这种是直接将整列删除掉，可以删除多列。
方法二
data.drop(labels = [‘Islamic_Date’,‘Temperature_F’], axis = 1, inplace=True)
1
data.drop(labels = ‘Islamic_Date’, axis = 1, inplace=True)
data=data.drop(labels = data.index[data[‘Temperature_F’].isnull()], axis = 0)
data.head(5)
1
2
3
说明：labels后是列名，如果删除的是列的话，labels后可以添加多列一起删除，但是如果删除的是行的话，labels后只可以写一个列名，只针对一列来删除多行。
axis等于1时是删除列。axis等于0时是删除行。
缺失值处理——用某值填充
data.loc[data.Influencing_Event_Event.isnull(),“Influencing_Event_Event”]=“0”
1
该命令行是用零来填充Influencing_Event_Event列中的缺失值。
缺失值处理——中位数、众数、平均数填充
aver_Killed_Min=np.round(np.mean(data.Killed_Min),1)
data.loc[data.Killed_Min.isnull(),“Killed_Min”]=aver_Killed_Min
data.info()
1
2
3
说明：中位数（median）、众数（mode）、平均数（mean）
该命令行是处理Killed_Min列，用本列的平均值填充缺失值。
好了，目前就先写到这里啦，第一次写博客，如有不好的地方，还请多多指教，有空时再继续更新啦，byebye！
————————————————
版权声明：本文为CSDN博主「LAVENCY巧巧叻」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45880467/article/details/104397005
snow54678
发布了8 篇原创文章 · 获赞 0 · 访问量 164
私信
关注
标签：数据分析,删除,Min,Python,labels,Killed,data,Event 来源： https://blog.csdn.net/snow54678/article/details/104410556
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。