在Python中使用Pandas替换缺失值

数据集是一个属性和行的集合。数据集可以有缺失的数据，在Python中用NA表示，在这篇文章中，我们将替换缺失的值。

我们考虑这个数据集。数据集

data set

在我们的数据中，数量、价格、买入、上午和下午这几栏都含有缺失值。

因此，我们可以用平均值替换数量栏的缺失值，用中位数替换价格栏，用标准差替换买入栏。前列用该列中的最小值。下午一栏用该栏中的最大值。

步骤:

导入该模块
加载数据集
填上缺失的数值
核实数据集

语法:

Mean: data=data.fillna(data.mean())

Median: data=data.fillna(data.median())

Standard Deviation: data=data.fillna(data.std())

Min: data=data.fillna(data.min())

Max: data=data.fillna(data.max())

以下是实现情况。

# importing pandas module
import pandas as pd
  
# loading data set
data = pd.read_csv('item.csv')
  
# display the data
print(data)

输出:

在Python中使用Pandas替换缺失值

然后，我们将继续用平均数、中位数、模式、标准差、最小和最大值来替换缺失值。

# 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:

在Python中使用Pandas替换缺失值