p ython缺失值填补

在 Python 中，我们可以使用 Pandas 库来处理数据中的缺失值。Pandas 提供了几种方法来处理缺失值：

1. 删除缺失值：使用 dropna() 函数可以删除包含缺失值的行或列。

2. 填充缺失值：使用 fillna() 函数可以填充缺失值。有几种填充缺失值的方法，如使用平均值、中位数或众数进行填充，或者使用前一个或后一个非缺失值进行填充。

3. 插值：使用 interpolate() 函数可以插值填充缺失值，可以选择使用线性插值或多项式插值。

举个例子，假设有一组数据包含缺失值：

import pandas as pd
import numpy as np

data = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8]})
print(data)

输出：

     A    B
0  1.0  5.0
1  2.0  NaN
2  NaN  7.0
3  4.0  8.0

我们可以使用 dropna() 函数删除包含缺失值的行或列：

# 删除包含缺失值的行
data.dropna(axis=0, inplace=True)
print(data)

# 删除包含缺失值的列
data.dropna(axis=1, inplace=True)
print(data)

输出：

     A    B
0  1.0  5.0
3  4.0  8.0

     A
0  1.0
1  2.0
2  NaN
3  4.0

我们还可以使用 fillna() 函数填充缺失值：

# 使用平均值填充缺失值
data.fillna(data.mean(), inplace=True)
print(data)

# 使用前一个非缺失值填充缺失值
data.fillna(method='ffill', inplace=True)
print(data)

输出：

     A    B
0  1.0  5.0
1  2.0  6.5
2  2.333333  7.0
3  4.0  8.0

     A    B
0  1.0  5.0
1  2.0  5.0
2  2.0  7.0
3  4.0  8.0

最后，我们可以使用 interpolate() 函数插值填充缺失值：

# 使用线性插值填充缺失值
data.interpolate(method='linear', inplace=True)
print(data)

# 使用多项式插值填充缺失值
data.interpolate(method='polynomial', order=2, inplace=True)
print(data)

输出：

     A    B
0  1.0  5.0
1  2.0  6.0
2  3.0  7.0
3  4.0  8.0

          A     B
0  1.000000  5.00
1  2.000000  6.00
2  2.666667  7.00
3  4.000000  8.00