知识卡片

操作参考卡 · 6335.c

缺失填补需区分列与数值含义

理解等级:中级

fillna用常数替换缺失,也可用字典为不同列指定不同值。字典键对应列标签,示例中指定不存在的列3不会替原有列2补值;因此不能只看写了多个键就认定所有空洞都已填。填补后需核对实际列与剩余缺失,并保留所用假设。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 2 处

    • · 查看原书依据

      通过一个字典调用fillna,就可以实现对不同的列填充不同的值: In [251]: df.fillna({1: 0.5, 3: -1}) Out[251]: 0 1 2 0 -0.577087 0.500000 NaN 1 0.523772 0.500000 NaN 2 -0.713544 0.500000 NaN 3 -1.860761 0.500000

    • · 查看原书依据

      fill_value: In [146]: tips.pivot_table('size', rows=['time', 'sex', 'smoker'], ...: cols='day', aggfunc='sum', fill_value=0) Out[146]: day Fri Sat Sun Thur time sex smoker Dinner F

    参考来源

    - 位置:《利用Python进行数据分析》第5章《填充缺失数据》(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;u123-ch05-037)。 - 结论依据:原文在“通过一个字典调用fillna”附近的定义、例子或代码支撑本卡核心说明:fillna用常数替换缺失,也可用字典为不同列指定不同值。边界按已读前提解释;示例未执行。 - 原始内容:通过一个字典调用fillna,就可以实现对不同的列填充不同的值: In [251]: df.fillna({1: 0.5, 3: -1}) Out[251]: 0 1 2 0 -0.577087 0.500000 NaN 1 0.523772 0.500000 NaN 2 -0.713544 0.500000 NaN 3 -1.860761 0.500000 - 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-ch05-037)。 - 结论依据:透视表fill_value填的是聚合结果中的缺失格,不代表原始记录真实观测为零。 - 原始内容:fill_value: In [146]: tips.pivot_table('size', rows=['time', 'sex', 'smoker'], ...: cols='day', aggfunc='sum', fill_value=0) Out[146]: day Fri Sat Sun Thur time sex smoker Dinner F