jupyter缺失值处理

在 Jupyter Notebook 中，你可以使用 Pandas 库来处理缺失值。Pandas 提供了一些函数来处理缺失值，包括 fillna() 函数和 dropna() 函数。具体方法如下：

### 1. 填充缺失值

对于缺失值，我们可以使用 fillna() 函数来填充，该函数可以接受一个常数或者一个字典作为填充值。示例如下：

import pandas as pd

# 读取数据
data = pd.read_csv('your_data.csv')

# 填充缺失值
data.fillna(0, inplace=True)

上面代码中，fillna() 函数将所有缺失值填充为 0，并将修改后的数据集赋值给原始数据集。如果你想将不同列填充不同的值，可以使用一个字典来指定填充值，示例如下：

# 指定不同列填充不同的值
fill_values = {
    'col1': 0,
    'col2': 'unknown',
    'col3': 999,
}
data.fillna(fill_values, inplace=True)

上面代码中，fill_values 字典指定了三列的填充值，分别为 0、'unknown' 和 999。

### 2. 删除缺失值

除了填充缺失值，我们还可以使用 dropna() 函数来删除缺失值。该函数会返回一个新数据集，其中所有包含缺失值的行和列都被删除。示例如下：

# 删除包含缺失值的行和列
data.dropna(inplace=True)

上面代码中，dropna() 函数会删除所有包含缺失值的行和列，并将修改后的数据集赋值给原始数据集。如果你只想删除某一列中包含缺失值的行，可以指定 axis 参数为 0，示例如下：

# 删除某一列中包含缺失值的行
data.dropna(subset=['col1'], axis=0, inplace=True)

上面代码中，subset 参数指定要删除的列名，axis 参数指定删除行还是列，0 表示删除行，1 表示删除列。