Pandas 데이터 부족 처리

Pandas 데이터 부족 처리
Pandas 는 np. nan 으로 데이터 부족 을 대표 합 니 다.

import pandas as pd
import numpy as np

dates = pd.date_range('20130101',periods=10)
df = pd.DataFrame(np.random.randn(10,4),index=dates,columns=['A','B','C','D'])
df.head()

A
B
C
D
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
2013-01-03
0.262541
-0.034165
0.712012
0.053880
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
2013-01-05
-0.483484
1.896420
-1.087918
-0.608670 reindex() 색인 을 수정 할 수 있 고 데이터 의 사본 을 되 돌려 줍 니 다.

df1 = df.reindex(index = dates[0:4], columns = ['A', 'B', 'C', 'D', 'E'])
df1

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
NaN
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
NaN
2013-01-03
0.262541
-0.034165
0.712012
0.053880
NaN
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
NaN

df2 = df.reindex(index=dates[0:4], columns=['A','B','C','D']+['E'])
df2

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
NaN
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
NaN
2013-01-03
0.262541
-0.034165
0.712012
0.053880
NaN
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
NaN

df3 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])
df3

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
NaN
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
NaN
2013-01-03
0.262541
-0.034165
0.712012
0.053880
NaN
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
NaN

df3.loc[dates[0]:dates[1],'E'] = 1
df3

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
1.0
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
1.0
2013-01-03
0.262541
-0.034165
0.712012
0.053880
NaN
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
NaN
부족 한 값 을 채우다

df1.fillna(value=5)

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
5.0
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
5.0
2013-01-03
0.262541
-0.034165
0.712012
0.053880
5.0
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
5.0

df2['E'] = df1['E'].fillna(value=5)
df2

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
5.0
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
5.0
2013-01-03
0.262541
-0.034165
0.712012
0.053880
5.0
2013-01-04
0.142971
-0.009381
-0.369560
2.142902
5.0
부족 한 항목 이 있 는 줄 버 리 기:

df3.dropna(how = 'any')

A
B
C
D
E
2013-01-01
-0.031531
1.231280
-1.069298
1.068172
1.0
2013-01-02
-0.216581
0.535341
-1.408095
0.677334
1.0
부재 항 불 할당

df4 = df1.isnull()
df4

A
B
C
D
E
2013-01-01
False
False
False
False
True
2013-01-02
False
False
False
False
True
2013-01-03
False
False
False
False
True
2013-01-04
False
False
False
False
True

df5 = pd.isnull(df1)
df5

A
B
C
D
E
2013-01-01
False
False
False
False
True
2013-01-02
False
False
False
False
True
2013-01-03
False
False
False
False
True
2013-01-04
False
False
False
False
True