Pandas缺失值inf与nan处理实践
Posted 肖永威
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Pandas缺失值inf与nan处理实践相关的知识,希望对你有一定的参考价值。
1. Pandas缺失值
对于表格数据而言,缺失值分为三种:
- 一是Pandas中的空值(NaN)
- 二是Pandas中的正负无穷(inf),严格意义上也不算缺失值,表示无穷!
- 三是自定义的缺失值。
1.1. Pandas中的空值
Pandas中的空值有三个:np.nan (Not a Number) 、 None 和 pd.NaT(时间格式的空值,注意大小写不能错),这三个值可以用Pandas中的函数isnull(),notnull(),isna()进行判断。
isnull()和notnull()的结果互为取反,isnull()和isna()的结果一样。
需要特别注意三点:
- 如果某一列数据全是空值且包含pd.NaT,np.nan和None会自动转换成pd.NaT。
- 空值(np.nan、None、pd.NaT)既不是空字符串"“,也不是空格” "。
- None是 一个 Python 对象
不可以用在任意的 NumPy 或 Pandas 数组里,只用于列表且数据类型是 Object。
默认 Pandas 会将 None 转换成 NAN
对包含 None 元素的数组进行计算(如: sum, min, max)会抛出 TypeError 异常。
import pandas as pd
import numpy as np
df = pd.DataFrame('float': [1.3,5.2,np.nan],
'int': [1,8,None],
'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,pd.NaT],
'string': ['python','pandas','numpy'])
例如通过df.isnull()查看缺失情况。
1.2. Pandas中的正负无穷
对于特别大的数字,或者除数为0时,将产生正负无穷,Pandas中用np.inf表示。
import pandas as pd
import numpy as np
df = pd.DataFrame('float': [1.3,5.2,np.nan],
'int': [1,8,None],
'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,pd.NaT],
'string': ['python','pandas','numpy'])
df['inf'] = df['float']/0
1.3. 自定义缺失值
自定义缺失值有很多不同的形式,如上面刚说的空字符串和空格(当然,一般不用这两个,因为看起来不够直观)。
在获取数据时,可能会有一些数据无法得到,也可能数据本身就没有,造成了缺失值。对于这些缺失值,在获取数据时通常会用一些符号之类的数据来代替,如问号?,斜杠/,字母NA等。
2. 处理缺失数据
2.1. 用数组过滤
- 用 df.isin([np.nan, np.inf, -np.inf]) 方法
- 用 df.any() 方法只要包含任意一个缺失的值,any()一个序列中满足一个True,则返回True
- 最后,用 布尔数组来进行切分。
import pandas as pd
import numpy as np
df = pd.DataFrame('float': [1.3,5.2,np.nan],
'int': [1,8,None],
'datetime': [pd.Timestamp('2018-03-10'),
pd.Timestamp('2019-05-10'),pd.NaT],
'string': ['python','pandas','numpy'])
df[~df.isin([np.nan, np.inf, -np.inf]).any(axis=1)]
2.2. 替换 inf 和 -inf 成 NaN, 然后选择非空的行数据
- 用df.replace([np.inf, -np.inf], np.nan),把正负无穷为空值np.nan
- 再用df.notnull(),筛选非空数据
- 再用df.all(),all()一个序列中所有值为True时,返回True,否则为False。
import pandas as pd
import numpy as np
df = pd.DataFrame('float': [1.3,5.2,np.inf],
'int': [1,8,None],
'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,
pd.Timestamp('2019-05-10')],
'string': ['python','pandas','numpy'])
df
df['inf'] = df['float']/0
df
df['inf'].replace(np.inf, 0, inplace=True)
df
df[df.replace([np.inf, -np.inf], np.nan).notnull().all(axis=1)]
#df[df.notnull().all(axis=1)]
2.3. 替换 inf 和 -inf 成 NaN,再用dropna() 方法删除为空的数据
pandas中的dataframe对象,删除缺失值的方式:
- df.dropna(how=‘all’) #删除所有内容均为缺失值的行
- df.dropna(axis=1) #丢弃有缺失值的列
- df.dropna(axis=1, how = ‘all’) #丢弃所有列中所有值均缺失的列
import pandas as pd
import numpy as np
df = pd.DataFrame('float': [1.3,5.2,np.inf],
'int': [1,8,None],
'datetime': [pd.Timestamp('2018-03-10'),pd.NaT,
pd.Timestamp('2019-05-10')],
'string': ['python','pandas','numpy'])
df['inf'] = df['float']/0
df
df.dropna(axis=1).head(3)
df.replace([np.inf, -np.inf], np.nan).dropna(axis=1).head(3)
或者:
- 将某1列(series格式)中的 inf 替换为数值
import numpy as np
df['Col'][np.isinf(df['Col'])] = -1
- 将某1列(series格式)中的 inf 替换为NA值
import numpy as np
df['Col'][np.isinf(df['Col'])] = np.nan
2.4. 用df.fillna(value=values) 将缺失的数据进行填充
填充缺失值:
- fillna(method=‘ffill’/‘bfill’, # ffill向前填充;bfill向后填充。
axis=0/1 # 按行/列进行填充
)
例如:
- data.fillna(0, inplace=True) # 填充0
- data.fillna(method=‘ffill’) # 按列,向前进行填充
- data.fillna(method=‘bfill’,axis=1) # 按照行,向后进行填充
- data.fillna(data.mean()) # 填充平均值
import pandas as pd
import numpy as np
df = pd.DataFrame('A':[1,np.nan],
'B':[21,3],
'C':[4,5])
#制造inf
df['D'] = df['C']/0
print(df)
#替换正inf为NaN
df.replace(np.inf, np.nan, inplace=True)
df['E'] = -df['B']/0
print(df)
#替换正、负inf为0
df.replace([np.inf, -np.inf], 0, inplace=True)
#单列替换NaN为10
df['A'].fillna(10, inplace=True)
#替换NaN为0
df.replace(np.nan, 0, inplace=True)
print(df)
3. Pandas处理缺失值函数小结
isnull和notnull: 检测是否是空值,可用于dataframe和Series
dropna: 丢弃,删除缺失值
- axis: 删除行还是列,0 ro ‘index’, 1 or ‘columns’, default 0
- how: 如果等于any则任何值为空都删除,如果等于all则所有值都为空时才删除
- inplace: 如果为True则修改当前dataframe, 否则返回新的dataframe
fillna: 填充空值
- value: 用于填充的值,可以是单个值,或者字典(key是列名,value是值)
- method: 等于ffill使用前一个部位空的值填充forword fill; 等于bfill使用后一个部位空的值天充backword fill
- axis: 按行还是按列填充,0 ro ‘index’, 1 or ‘columns’
- inplace: 如果为True则修改当前dataframe, 否则返回新的dataframe
replace: 替换,replace(to_replace, value) 前面是需要替换的值,后面是替换后的值。
- inplace: 如果为True则修改当前dataframe, 否则返回新的dataframe
参考:
[1]. wumingxiaoyao. Python 玩转数据 18 - Pandas 数据清洗 处理缺失值 None NA NaN inf dropna fillna isin isnull. CSDN博客. 2022.04
[2]. data_amateur. Python pandas中缺失值的种类(None、NA、NaN)及删除方式. CSDN博客. 2020.07
[3]. adam_hong. pandas 处理inf. 简书. 2021.10
[4]. 小斌哥ge. Pandas知识点-缺失值处理. 知乎. 2021.05
以上是关于Pandas缺失值inf与nan处理实践的主要内容,如果未能解决你的问题,请参考以下文章
pandas使用replace函数将所有的无穷大值np.inf替换为缺失值np.nan使用pandas的fillna函数用经验固定值填充缺失值np.nan
pandas dataframe缺失值(np.nan)处理:识别缺失情况删除0值填补均值填补中位数填补加缺失标签插值填充详解及实例