Python 3.x 当我试图处理pandas中缺少的值时,有些方法不起作用
我试图处理数据集中缺少的一些值。这是我用来学习的教程的第一部分。下面是我用来读取数据的代码Python 3.x 当我试图处理pandas中缺少的值时,有些方法不起作用,python-3.x,pandas,dataframe,nan,missing-data,Python 3.x,Pandas,Dataframe,Nan,Missing Data,我试图处理数据集中缺少的一些值。这是我用来学习的教程的第一部分。下面是我用来读取数据的代码 import pandas as pd import numpy as np questions = pd.read_csv("./archive/questions.csv") print(questions.head()) 这就是我的数据 这些是我用来处理缺失值的方法。他们都没有工作 questions.replace(to_replace = np.nan, value
import pandas as pd
import numpy as np
questions = pd.read_csv("./archive/questions.csv")
print(questions.head())
这就是我的数据
这些是我用来处理缺失值的方法。他们都没有工作
questions.replace(to_replace = np.nan, value = -99)
questions = questions.fillna(method ='pad')
questions.interpolate(method ='linear', limit_direction = 'forward')
然后我尝试删除缺少值的行。他们也没有一个人在工作。它们都返回空数据帧
questions.dropna()
questions.dropna(how = "all")
questions.dropna(axis = 1)
我做错了什么
编辑:
来自questions.head()的值
字典形式的questions.head()
中的值
{'Id': {0: 1, 1: 4, 2: 6, 3: 8, 4: 9}, 'CreationDate': {0: '2008-07-31T21:26:37Z', 1: '2008-07-31T21:42:52Z', 2: '2008-07-31T22:08:08Z', 3: '2008-07-31T23:33:19Z', 4: '2008-07-31T23:40:59Z'}, 'ClosedDate': {0: nan, 1: nan, 2: nan, 3: '2013-06-03T04:00:25Z', 4: nan}, 'DeletionDate': {0: '2011-03-28T00:53:47Z', 1: nan, 2: nan, 3: '2015-02-11T08:26:40Z', 4: nan}, 'Score': {0: 1, 1: 458, 2: 207, 3: 42, 4: 1410}, 'OwnerUserId': {0: nan, 1: 8.0, 2: 9.0, 3: nan, 4: 1.0}, 'AnswerCount': {0: 0.0, 1: 13.0, 2: 5.0, 3: 8.0, 4: 58.0}}
有关数据集的信息
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 17203824 entries, 0 to 17203823
Data columns (total 7 columns):
# Column Dtype
--- ------ -----
0 Id int64
1 CreationDate object
2 ClosedDate object
3 DeletionDate object
4 Score int64
5 OwnerUserId float64
6 AnswerCount float64
dtypes: float64(2), int64(2), object(3)
memory usage: 918.8+ MB
范围索引:17203824个条目,0到17203823
数据列(共7列):
#列数据类型
--- ------ -----
0 Id int64
1创作对象
2闭式对象
3删除日期对象
4分int64
5所有者类别浮动64
6回答64
数据类型:float64(2)、int64(2)、object(3)
内存使用率:918.8+MB
能否尝试明确指定轴
并查看它是否有效?另一个fillna()在没有axis的情况下仍然可以工作,但是对于pad,您需要它,以便它知道如何填充缺少的值
>>> questions.fillna(method='pad', axis=1)
Id CreationDate ClosedDate DeletionDate Score OwnerUserId AnswerCount
0 1 2008-07-31T21:26:37Z 2008-07-31T21:26:37Z 2011-03-28T00:53:47Z 1 1 0
1 4 2008-07-31T21:42:52Z 2008-07-31T21:42:52Z 2008-07-31T21:42:52Z 458 8 13
2 6 2008-07-31T22:08:08Z 2008-07-31T22:08:08Z 2008-07-31T22:08:08Z 207 9 5
3 8 2008-07-31T23:33:19Z 2013-06-03T04:00:25Z 2015-02-11T08:26:40Z 42 42 8
4 9 2008-07-31T23:40:59Z 2008-07-31T23:40:59Z 2008-07-31T23:40:59Z 1410 1 58
只需在整个数据帧上应用fillna()
,即可按预期工作
>>> questions.fillna('-')
Id CreationDate ClosedDate DeletionDate Score OwnerUserId AnswerCount
0 1 2008-07-31T21:26:37Z - 2011-03-28T00:53:47Z 1 - 0.0
1 4 2008-07-31T21:42:52Z - - 458 8 13.0
2 6 2008-07-31T22:08:08Z - - 207 9 5.0
3 8 2008-07-31T23:33:19Z 2013-06-03T04:00:25Z 2015-02-11T08:26:40Z 42 - 8.0
4 9 2008-07-31T23:40:59Z - - 1410 1 58.0
难道“NaN”实际上是一个字符串吗?尝试提问。替换('NaN','')尝试。不工作。你能发布questions.head().values
erm,除非我在这里失明-你能发布questions.head()。values
?此外,避免使用img
作为输出,而是使用代码(这会使一切变得更容易)可以执行questions.head().to_dict()
以及questions.info()
。您的数据看起来有些不对劲。此外,您为csv文件提供的链接没有该文件。你能用questions.head()
中的实际数据替换img吗其他的呢?
>>> questions.fillna('-')
Id CreationDate ClosedDate DeletionDate Score OwnerUserId AnswerCount
0 1 2008-07-31T21:26:37Z - 2011-03-28T00:53:47Z 1 - 0.0
1 4 2008-07-31T21:42:52Z - - 458 8 13.0
2 6 2008-07-31T22:08:08Z - - 207 9 5.0
3 8 2008-07-31T23:33:19Z 2013-06-03T04:00:25Z 2015-02-11T08:26:40Z 42 - 8.0
4 9 2008-07-31T23:40:59Z - - 1410 1 58.0