Python数据分析实战：缺失值处理

原创虾壳可乐可乐的数据分析之路

写在前面

上周我们读取完了数据（Python数据分析实战：获取数据），下面就要对数据进行清洗了，首先是对缺失值的处理。缺失值也就是空值，先找出来再处理。

可以使用isnull方法来查看空值，得到的结果是布尔值。

# 查看缺失值
df_list.isnull()

结果：

对于小的数据集来说，可以这样看，但对于大的数据集这样查看空值貌似没什么意义，没关系，还有其他方法，可以使用info方法

# 查看空值
df_list.info()

结果：

info方法可以看到字段的数据类型以及每个字段下有多少个非空值，可以看到neighbourhood_group 字段全为空，这和布尔值显示的结果一致。

其实还有一个方法，更简单了：

# 查看空值
df_list.isnull().sum()

对取出来的isnull的布尔值求和，就很明显地看到，id列是没有空值的，name列有一个空值，结果：

也可以对单独的某一列这样查看空值，对name列查看空值

# 对单独一列查看空值
df_list["name"].isnull().sum()

结果为1，说明name列有1个空值：

找到缺失值以后如何处理呢？删除或填充。

删除缺失值

用dropna方法，默认是只要一行中有一个缺失值这一行就全都删除

# 删除缺失值
df_list.dropna()

结果就是这个数据集里的数据全被删掉了，因为其中的neighbourhood_group这个字段全为空，按照dropna的尿性，有一个为空就整行删除，就得到了如下结果：

当然也可以给这个方法传入how="all"参数，只有在整行为空的前提下才删除。

# 整行都为空才删除
df_list.dropna(how = "all")

结果是一条都没有删除，因为这个数据集里没有所有字段都为空的记录：

但是有一列数据都为空的字段，把neighbourhood_group这一列删掉，还记得删除列的方法吗

# 删除列
df_list = df_list.drop(columns = "neighbourhood_group")
df_list

结果：

name列也是有一个空值的，找出来看一下

# 定位到name列的空值
df_list[df_list["name"].isnull()]

结果如下，这一行还是删了吧。

删除行用drop方法，刚刚定位出了要删除的那一行，行索引是456

# 删除name列的空值的行
df_list = df_list.drop(index = 456)
df_list

结果可以看到变成了28451行，之前一直都是28452行。

缺失值填充

当然缺失值除了删除外，还可以进行填充，可以用0填充，也可以用均值、众数填充。用fillna方法进行缺失值的填充。

last_review和reviews_per_month这两列也有缺失值，我们用众数填充（mode）last_review列的缺失值，用均值（mean）填充reviews_per_month列的缺失值。

# 缺失值填充
df_list.fillna({"last_review":df_list.last_review.mode(),
                 "reviews_per_month":df_list.reviews_per_month.mean()})

结果

这里只是举例缺失值也可以被填充这样处理，在这个案例里，不建议这两列填充，空着就空着吧。下节内容来处理重复值和异常值。

@ 作者：可乐
@ 公众号/知乎专栏/头条/简书：可乐的数据分析之路
@ 加微信（data_cola）备注：进群，拉你进可乐的数据分析交流群，数据分析知识总结，不定期行业经验分享