Pandas使用這些函數處理缺失值：
import pandas as pd
實例：特殊Excel的讀取、清洗、處理
步驟1：讀取excel的時候，忽略前幾個空行
studf = pd.read_excel("./datas/student_excel/student_excel.xlsx", skiprows=2)
studf
| Unnamed: 0 | 姓名 | 科目 | 分數 | |
|---|---|---|---|---|
| 0 | NaN | 小明 | 語文 | 85.0 |
| 1 | NaN | NaN | 數學 | 80.0 |
| 2 | NaN | NaN | 英語 | 90.0 |
| 3 | NaN | NaN | NaN | NaN |
| 4 | NaN | 小王 | 語文 | 85.0 |
| 5 | NaN | NaN | 數學 | NaN |
| 6 | NaN | NaN | 英語 | 90.0 |
| 7 | NaN | NaN | NaN | NaN |
| 8 | NaN | 小剛 | 語文 | 85.0 |
| 9 | NaN | NaN | 數學 | 80.0 |
| 10 | NaN | NaN | 英語 | 90.0 |
步驟2：檢測空值
studf.isnull()
| Unnamed: 0 | 姓名 | 科目 | 分數 | |
|---|---|---|---|---|
| 0 | True | False | False | False |
| 1 | True | True | False | False |
| 2 | True | True | False | False |
| 3 | True | True | True | True |
| 4 | True | False | False | False |
| 5 | True | True | False | True |
| 6 | True | True | False | False |
| 7 | True | True | True | True |
| 8 | True | False | False | False |
| 9 | True | True | False | False |
| 10 | True | True | False | False |
studf["分數"].isnull()
0 False 1 False 2 False 3 True 4 False 5 True 6 False 7 True 8 False 9 False 10 False Name: 分數, dtype: bool
studf["分數"].notnull()
0 True 1 True 2 True 3 False 4 True 5 False 6 True 7 False 8 True 9 True 10 True Name: 分數, dtype: bool
# 篩選沒有空分數的所有行 studf.loc[studf["分數"].notnull(), :]
| Unnamed: 0 | 姓名 | 科目 | 分數 | |
|---|---|---|---|---|
| 0 | NaN | 小明 | 語文 | 85.0 |
| 1 | NaN | NaN | 數學 | 80.0 |
| 2 | NaN | NaN | 英語 | 90.0 |
| 4 | NaN | 小王 | 語文 | 85.0 |
| 6 | NaN | NaN | 英語 | 90.0 |
| 8 | NaN | 小剛 | 語文 | 85.0 |
| 9 | NaN | NaN | 數學 | 80.0 |
| 10 | NaN | NaN | 英語 | 90.0 |
步驟3：刪除掉全是空值的列
studf.dropna(axis="columns", how='all', inplace=True)
studf
| 姓名 | 科目 | 分數 | |
|---|---|---|---|
| 0 | 小明 | 語文 | 85.0 |
| 1 | NaN | 數學 | 80.0 |
| 2 | NaN | 英語 | 90.0 |
| 3 | NaN | NaN | NaN |
| 4 | 小王 | 語文 | 85.0 |
| 5 | NaN | 數學 | NaN |
| 6 | NaN | 英語 | 90.0 |
| 7 | NaN | NaN | NaN |
| 8 | 小剛 | 語文 | 85.0 |
| 9 | NaN | 數學 | 80.0 |
| 10 | NaN | 英語 | 90.0 |
步驟4：刪除掉全是空值的行
studf.dropna(axis="index", how='all', inplace=True)
studf
| 姓名 | 科目 | 分數 | |
|---|---|---|---|
| 0 | 小明 | 語文 | 85.0 |
| 1 | NaN | 數學 | 80.0 |
| 2 | NaN | 英語 | 90.0 |
| 4 | 小王 | 語文 | 85.0 |
| 5 | NaN | 數學 | NaN |
| 6 | NaN | 英語 | 90.0 |
| 8 | 小剛 | 語文 | 85.0 |
| 9 | NaN | 數學 | 80.0 |
| 10 | NaN | 英語 | 90.0 |
步驟5：將分數列為空的填充為0分
studf.fillna({"分數":0})
| 姓名 | 科目 | 分數 | |
|---|---|---|---|
| 0 | 小明 | 語文 | 85.0 |
| 1 | NaN | 數學 | 80.0 |
| 2 | NaN | 英語 | 90.0 |
| 4 | 小王 | 語文 | 85.0 |
| 5 | NaN | 數學 | 0.0 |
| 6 | NaN | 英語 | 90.0 |
| 8 | 小剛 | 語文 | 85.0 |
| 9 | NaN | 數學 | 80.0 |
| 10 | NaN | 英語 | 90.0 |
# 等同于 studf.loc[:, '分數'] = studf['分數'].fillna(0)
studf
| 姓名 | 科目 | 分數 | |
|---|---|---|---|
| 0 | 小明 | 語文 | 85.0 |
| 1 | NaN | 數學 | 80.0 |
| 2 | NaN | 英語 | 90.0 |
| 4 | 小王 | 語文 | 85.0 |
| 5 | NaN | 數學 | 0.0 |
| 6 | NaN | 英語 | 90.0 |
| 8 | 小剛 | 語文 | 85.0 |
| 9 | NaN | 數學 | 80.0 |
| 10 | NaN | 英語 | 90.0 |
步驟6：將姓名的缺失值填充
使用前面的有效值填充，用ffill：forward fill
studf.loc[:, '姓名'] = studf['姓名'].fillna(method="ffill")
studf
| 姓名 | 科目 | 分數 | |
|---|---|---|---|
| 0 | 小明 | 語文 | 85.0 |
| 1 | 小明 | 數學 | 80.0 |
| 2 | 小明 | 英語 | 90.0 |
| 4 | 小王 | 語文 | 85.0 |
| 5 | 小王 | 數學 | 0.0 |
| 6 | 小王 | 英語 | 90.0 |
| 8 | 小剛 | 語文 | 85.0 |
| 9 | 小剛 | 數學 | 80.0 |
| 10 | 小剛 | 英語 | 90.0 |
步驟7：將清洗好的excel保存
studf.to_excel("./datas/student_excel/student_excel_clean.xlsx", index=False)
總結
以上就是我在處理客戶端真實IP的方法，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
