使用 Python 中的熊猫替换缺失值
原文:https://www.geesforgeks.org/replacing-missing-values-use-pandas-in-python/
数据集是属性和行的集合。数据集可能有缺失的数据，这些数据在 Python 中用 NA 表示，在本文中，我们将替换本文中缺失的值
我们考虑这个数据集:数据集
资料组
在我们的数据中，在数量、价格、购买量、上午和下午列中包含缺失值，
因此，我们可以用平均值替换数量列中的缺失值，用中位数替换价格列，用标准差替换买入列。带最小值的列。下午一列，最大值在该列。
进场:
- 导入模块
- 加载数据集
- 填写缺少的值
- 验证数据集
语法:
均值: data=data.fillna(data.mean())
中位数: data=data.fillna(data .中位数())
标准偏差:数据=data.fillna(data.std())
Min:data = data.fill na(data.Min())
Max:data = data.fill na(data.Max())
以下是实施情况:
蟒蛇 3
# importing pandas module
import pandas as pd
# loading data set
data = pd.read_csv('item.csv')
# display the data
print(data)
输出:
然后，我们将继续用平均值、中值、模式、标准偏差、最小值和最大值替换缺失值
蟒蛇 3
# replacing missing values in quantity
# column with mean of that column
data['quantity'] = data['quantity'].fillna(data['quantity'].mean())
# replacing missing values in price column
# with median of that column
data['price'] = data['price'].fillna(data['price'].median())
# replacing missing values in bought column with
# standard deviation of that column
data['bought'] = data['bought'].fillna(data['bought'].std())
# replacing missing values in forenoon column with
# minimum number of that column
data['forenoon'] = data['forenoon'].fillna(data['forenoon'].min())
# replacing missing values in afternoon column with
# maximum number of that column
data['afternoon'] = data['afternoon'].fillna(data['afternoon'].max())
print(Data)
输出:
