【摘要】在许多业务数据分析场景中，数据不一定十分完整，总是存在部分缺失值，因此，数据清洗阶段，对缺失值进行处理就显得尤为重要。本文介绍一些

在许多业务数据分析场景中，数据不一定十分完整，总是存在部分缺失值，因此，数据清洗阶段，对缺失值进行处理就显得尤为重要。本文介绍一些缺失值处理的示例，主要用到的库有：pandas、numpy 、sklearn。

导入需要的库。

import pandas as pd

import numpy as np

from sklearn.preprocessing import Imputer

生成缺失数据。

data=pd.DataFrame({'name':['Kite','Lily','Hanmei','Danny','Bob'],'English':[92,78,np.nan,23,82],'Math':[69,87,91,np.nan,90],'Chinese':[np.nan,78,96,np.nan,75]})

print(data)

查看缺失值。

data.isnull()#查看所有缺失值

data.isnull().any()#获取含有缺失值的列

data.isnull().all()#获取全部为NA的列

删除缺失值。这种处理方式丢失的信息比较多。

data2=data.dropna()

print(data2)

可以看到，删除后，仅剩两行数据。

利用sklearn替换缺失值。当缺失值为数值型数据时，可用利用均值来替换。

data.index=data['name']#将第一列作为索引data=data.drop(['name'],axis=1)#删除第一列

nan_model=Imputer(missing_values='NaN',strategy='mean',axis=0)#按照行均值替换对应缺失值。

nan_result=nan_model.fit_transform(data)

print(nan_result)

利用pandas替换缺失值。

data.fillna(0) #缺失值用0替换(考试中缺考记0分)

data.fillna(method='pad')#用前面的值替换

data.fillna(method='backfill')#用后面的值替换

可以看到，当第一行有缺失值时，利用向前替换是会失败的。