Pandas实战100例 | 案例 23: 处理空值

案例 23: 处理空值

知识点讲解

处理空值是数据清洗过程中的一个关键步骤。Pandas 提供了多种方法来检测、填充和删除空值。

• 检测空值: 使用 isnull 方法可以检测 DataFrame 中的空值。
• 填充空值: 使用 fillna 方法可以填充空值。
• 删除包含空值的行或列: 使用 dropna 方法可以删除包含空值的行或列。

示例代码

# 准备数据和示例代码的运行结果，用于案例 23

# 示例数据
data_null_values = {
    'A': [1, None, 3, 4, 5],
    'B': [None, 2, 3, None, 5],
    'C': [1, 2, None, 4, None]
}
df_null_values = pd.DataFrame(data_null_values)

# 检测空值
nulls_detected = df_null_values.isnull()

# 填充空值
df_filled = df_null_values.fillna(0)

# 删除包含空值的行
df_dropped_rows = df_null_values.dropna()

# 删除包含空值的列
df_dropped_columns = df_null_values.dropna(axis=1)

df_null_values, nulls_detected, df_filled, df_dropped_rows, df_dropped_columns

在这个示例中，我们首先检测了 DataFrame 中的空值。然后，我们用 0 填充了所有的空值。接着，我们删除了包含空值的行和列。

示例代码运行结果

原始 DataFrame (df_null_values):

     A    B    C
0  1.0  NaN  1.0
1  NaN  2.0  2.0
2  3.0  3.0  NaN
3  4.0  NaN  4.0
4  5.0  5.0  NaN

空值检测 (nulls_detected):

       A      B      C
0  False   True  False
1   True  False  False
2  False  False   True
3  False   True  False
4  False  False   True

填充空值后 (df_filled):

     A    B    C
0  1.0  0.0  1.0
1  0.0  2.0  2.0
2  3.0  3.0  0.0
3  4.0  0.0  4.0
4  5.0  5.0  0.0

删除包含空值的行 (df_dropped_rows):

Empty DataFrame
Columns: [A, B, C]
Index: []

删除包含空值的列 (df_dropped_columns):

Empty DataFrame
Columns: []
Index: [0, 1, 2, 3, 4]

这个案例展示了如何在 Pandas 中处理空值，这是数据准备和清洗过程中非常重要的一步。