有时候数据带有缺失值,也就是有些数据为NaN,在运算的时候要时刻警惕是否存在缺失值,在不同的情况下,pandas处理晟逋鲱蝎缺失值的方式不同,主要是两种方式,下面介绍一下:
先引入相关模块![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/d9e638334884cde389ef465af07f860e7d75421b.jpg)
先创建一个带有缺失值的数据框,注意缺失值用np.nan![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/64a62a0f647814236c7a668aaac2bbd6e0d0b21b.jpg)
查看一下df1![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/0cdb2f0e1799e92a5e7b52f4e1fec314f0c5a01b.jpg)
创建一个不带有缺失值的数据框
查看df2的数据:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/589f5b0788013870d6852a382d08a50f95fc831b.jpg)
在简单的运算中,如果遇到缺失值,运算结果在相应的位置也是缺失值
运算结果为:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/4b626771fe1d96d83ddd71942ccd0c6efaf2e11b.jpg)
在描述性统计中,Nan都是作为0进行运算
输出结果为:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/d9a8d2d2bb665159ba84009e8fe23ea23b42c71b.jpg)
其他的描述性统计也是一样的:
输出结果为:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/32fbcd41037de13793b23208f6c5cf672a5f2a18.jpg)
有时候数据带有缺失值,也就是有些数据为NaN,在运算的时候要时刻警惕是否存在缺失值,在不同的情况下,pandas处理晟逋鲱蝎缺失值的方式不同,主要是两种方式,下面介绍一下:
先引入相关模块![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/d9e638334884cde389ef465af07f860e7d75421b.jpg)
先创建一个带有缺失值的数据框,注意缺失值用np.nan![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/64a62a0f647814236c7a668aaac2bbd6e0d0b21b.jpg)
查看一下df1![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/0cdb2f0e1799e92a5e7b52f4e1fec314f0c5a01b.jpg)
创建一个不带有缺失值的数据框
查看df2的数据:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/589f5b0788013870d6852a382d08a50f95fc831b.jpg)
在简单的运算中,如果遇到缺失值,运算结果在相应的位置也是缺失值
运算结果为:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/4b626771fe1d96d83ddd71942ccd0c6efaf2e11b.jpg)
在描述性统计中,Nan都是作为0进行运算
输出结果为:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/d9a8d2d2bb665159ba84009e8fe23ea23b42c71b.jpg)
其他的描述性统计也是一样的:
输出结果为:![pandas教程:[21]带有缺失值的计算](https://exp-picture.cdn.bcebos.com/32fbcd41037de13793b23208f6c5cf672a5f2a18.jpg)