知识卡片
缺失检测不同于删除与填补
isnull/notnull给出缺失或非缺失的布尔判断;dropna依据缺失情况筛掉记录或轴项,fillna为缺失位置提供替代值。检测只揭示状态,后两者会改变参与分析的数据或数值。应先确定缺失意义,再选择处理,不能因为某方法调用容易就默认删除或填0。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 缺失检测不同于删除与填补
- · 透视表和交叉表
原书出处 · 2 处
- · 查看原书依据
isnull() Out[230]: Out[231]: 0 aardvark 0 False 1 artichoke 1 False 2 NaN 2 True 3 avocado 3 False Python内置的None值也会被当做NA处理: In [232]: string_data[0] = None In [233]: string_data.is
- · 查看原书依据
count或len可以得到有关分组大小的交叉表: In [145]: tips.pivot_table('tip_pct', rows=['sex', 'smoker'], cols='day', ...: aggfunc=len, margins=True) Out[145]: day Fri Sat Sun Thur All sex smoker Fem
参考来源
- 位置:《利用Python进行数据分析》第5章《处理缺失数据》(spine283;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0269.html;u121-ch05-035)。
- 结论依据:原文在“isnull()”附近的定义、例子或代码支撑本卡核心说明:isnull/notnull给出缺失或非缺失的布尔判断;dropna依据缺失情况筛掉记录或轴项,fillna为缺失位置提供替代值。边界按已读前提解释;示例未执行。
- 原始内容:isnull() Out[230]: Out[231]: 0 aardvark 0 False 1 artichoke 1 False 2 NaN 2 True 3 avocado 3 False Python内置的None值也会被当做NA处理: In [232]: string_data[0] = None In [233]: string_data.is
- 位置:《利用Python进行数据分析》第9章《透视表和交叉表》(spine306;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0292.html;u208-ch05-035)。
- 结论依据:分组大小len与非缺失值计数count在有缺失时不同,不能因本例相同就将二者等同。
- 原始内容:count或len可以得到有关分组大小的交叉表: In [145]: tips.pivot_table('tip_pct', rows=['sex', 'smoker'], cols='day', ...: aggfunc=len, margins=True) Out[145]: day Fri Sat Sun Thur All sex smoker Fem