标签：pre 取值 数据处理 获取 属性 利用 数据 16px style
做数据分析挖掘特征之前，都要先处理好数据，数据处理里第一步我们要先处理有缺失值的情况。
查看导入的数据缺失情况：
1 import pandas as pd 2 from io import StringIO 3 4 csv_data = """A,B,C,D 5 1.0,2.0,3.0,4.0 6 5.0,6.0,,8.0 7 0.0,11.0,12.0, 8 """ 9 df = pd.read_csv(StringIO(csv_data)) 10 print(df) 11 # 输出缺失值的个数 12 missing = df.isnull().sum() 13 print(missing) 14 print(missing.values, type(missing.values)) 15 print(missing.values[1:]) # 可以索引取值，但是不是列表，方法属性不一样 16 print(dir(missing.values))
通过打印的输出我们可以发现使用 isnull方法可以判断值是否为空，isnull().sum()方法按列输出缺失值的个数。
我们可以利用数据框(DataFrame)的values属性来获取对应的NumPy数组。
删除有缺失值的行或列：
1 print(df.dropna()) # 按行删除有缺失值 2 print(df.dropna(axis=1)) # 删除列中有缺失值的列 3 print(df.dropna(how="all")) # 删除那些行全是缺失值的 4 print(df.dropna(thresh=4)) # 删除那些没有4个值的行 5 print(df.dropna(subset=["C"])) # 删除缺失值出现在列标为"C"的行
标签：pre 取值 数据处理 获取 属性 利用 数据 16px style
原文地址：https://www.cnblogs.com/dan-baishucaizi/p/9102100.html
