# 11 读取 Excel 文件｜缺失值转换读取当前目录下 某招聘网站数据.csv 文件，并不将缺失值标记为 NA思考：为什么要这样做？

在读取 Excel 文件时不将缺失值标记为 NA 可能是因为以下原因：

1. 数据量较大：如果数据集非常大，将所有缺失值标记为 NA 可能会导致内存不足或程序运行缓慢，因此可以选择不进行标记。

2. 缺失值不重要：有些情况下，缺失值可能并不重要，或者在分析中不需要考虑。在这种情况下，将缺失值标记为 NA 可能会浪费时间和计算资源。

3. 与其他系统兼容性：有些系统可能不支持 NA 标记，因此在处理数据时需要使用其他方式来表示缺失值。

总之，在读取 Excel 文件时是否需要将缺失值标记为 NA 取决于具体情况和分析需求。

相关问题

根据以上统计结果，书写不少于300字的结果分析。(1）用pandas库读取house.sale.price.csv文件，查看前5行、后2行。 (2)选择Id、GarageCond、 LotArea、 OverallCond、 YrSold、 SalePrice 共6列数据，将缺失值全部丢弃处理，并将处理后结果导出到文本文件house total pice.t,要求数据之间用空格分隔，每行末尾包含换行符。 (3)读取文本文件house total. pricext,计算列SalePrice 与列LotArea 的商(即SalePrice/LotArea),并作为一一个新的列unitPrice添加到原始数据，导出到新的Excel文件house_ unit price.xlsx 中。 (4)读取Excel文件house _unit pricexIsx,利用列GarageCond分组，计算unitPrice的均值，并按照unitPrice 均值降序排列后以柱状图可视化显示该均值。要求以列GarageCond为x轴，轴刻度分别为Excellent、Good、Typical、 Fair、 Poor, 包括图例、图标题，填充颜色为蓝色，并保存为househeating _unit pricepng, 要求分辨率不低于300 dpi.(5)读取Excel文件house unit price.xlsx, 利用列GarageCond分组，计算OverallCond的均值，并按照OverallCond 均值升序排列后以柱状图可视化显示该均值。要求以列GarageCond为x轴，轴刻度分别为Excellent、Good、 Typical、 Fair、 Poor、 NA,包括图例、图标题，填充颜色为蓝色，并保存为househeating. _overallcond.png, 要求分辨率不低于300 dpi.

根据以上要求，通过Python的pandas库进行数据处理和可视化如下：

1. 读取数据并查看前5行、后2行：

import pandas as pd

data = pd.read_csv('house.sale.price.csv')
print(data.head(5)) # 查看前5行
print(data.tail(2)) # 查看后2行

2. 选择6列数据并丢弃缺失值：

selected_data = data[['Id', 'GarageCond', 'LotArea', 'OverallCond', 'YrSold', 'SalePrice']]
selected_data = selected_data.dropna() # 丢弃缺失值
selected_data.to_csv('house_total_price.txt', sep=' ', index=False, line_terminator='\n') # 导出数据到文件

3. 计算新列unitPrice并导出到Excel文件：

selected_data['unitPrice'] = selected_data['SalePrice'] / selected_data['LotArea']
selected_data.to_excel('house_unit_price.xlsx', index=False)

4. 利用列GarageCond分组并可视化：

import matplotlib.pyplot as plt

grouped_data = selected_data.groupby('GarageCond')['unitPrice'].mean().sort_values(ascending=False)
x_labels = ['Excellent', 'Good', 'Typical', 'Fair', 'Poor']
colors = 'b'
plt.bar(x_labels, grouped_data, color=colors)
plt.xlabel('GarageCond')
plt.ylabel('unitPrice')
plt.title('Average unitPrice by GarageCond')
plt.savefig('househeating_unit_price.png', dpi=300)

5. 利用列GarageCond分组并可视化：

grouped_data = selected_data.groupby('GarageCond')['OverallCond'].mean().sort_values(ascending=True)
x_labels = ['Excellent', 'Good', 'Typical', 'Fair', 'Poor', 'NA']
colors = 'b'
plt.bar(x_labels, grouped_data, color=colors)
plt.xlabel('GarageCond')
plt.ylabel('OverallCond')
plt.title('Average OverallCond by GarageCond')
plt.savefig('househeating_overallcond.png', dpi=300)

以上就是根据要求完成的数据处理和可视化过程及结果分析。

请编写Python代码，对鸢尾花数据完成下列操作: 读取数据文件iris.csv，储存为数据框iris，并将数据框的列名称从左至右依次修改为“sepal_length""sepal_width""petal_length""petal_width""class”。(3分) 将数据框iris中"petal_length"”列的第0行至第9行设置为缺失值。(注意:在Python中，索引为0开始。)(3分) 将数据框iris中"petal_length”列的缺失值全部替换为1.0。(3分) 删除数据框iris中“class"列。(2分) 将数据框iris的前3行设置为缺失值。(2分) 删除数据框iris中存在缺失值的行。(2分) 重新设置数据框iris的行索引。(3分) 将数据框iris保存到当前工作路径下并命名为iris _new.csv。(2分)

# 导入需要的库
import pandas as pd

# 读取数据文件iris.csv，储存为数据框iris
iris = pd.read_csv('iris.csv')

# 将数据框的列名称从左至右依次修改为“sepal_length""sepal_width""petal_length""petal_width""class”
iris.columns = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'class']

# 将数据框iris中"petal_length"”列的第0行至第9行设置为缺失值
iris.loc[0:9, 'petal_length'] = pd.NA

# 将数据框iris中"petal_length”列的缺失值全部替换为1.0
iris['petal_length'] = iris['petal_length'].fillna(1.0)

# 删除数据框iris中“class"列
iris = iris.drop('class', axis=1)

# 将数据框iris的前3行设置为缺失值
iris.loc[0:2, :] = pd.NA

# 删除数据框iris中存在缺失值的行
iris = iris.dropna()

# 重新设置数据框iris的行索引
iris = iris.reset_index(drop=True)

# 将数据框iris保存到当前工作路径下并命名为iris _new.csv
iris.to_csv('iris_new.csv', index=False)