使用最接近的非 NaN 值填充 Pandas 缺失值
在数据分析和处理中，经常会遇到缺失值的情况。缺失值是指数据集中的某些值缺失或未记录的情况。处理缺失值是数据预处理的重要步骤之一，因为缺失值会对后续的数据分析和建模造成影响。在 Pandas 中，我们可以使用不同的方法来处理缺失值，其中一种常用的方法是使用最接近的非 NaN 值来填充缺失值。示例代码：首先，我们需要导入 Pandas 库并创建一个包含缺失值的数据集。假设我们有一个包含学生信息的数据集，其中包括学生的姓名、年龄和成绩。这个数据集中可能存在一些学生的年龄和成绩信息缺失。pythonimport pandas as pdimport numpy as npdata = {'姓名': ['张三', '李四', '王五', '赵六', '刘七'], '年龄': [20, np.nan, 22, np.nan, 25], '成绩': [80, 90, np.nan, np.nan, 95]}df = pd.DataFrame(data)接下来，我们可以使用 Pandas 的 `fillna()` 方法来填充缺失值。其中，参数 `method` 可以设置为 `ffill`，表示使用最接近的前一个非 NaN 值填充缺失值。pythondf_filled = df.fillna(method='ffill')运行以上代码后，缺失值将被最接近的前一个非 NaN 值填充。对于示例数据集，填充后的结果如下：
姓名 年龄 成绩0 张三 20.0 80.01 李四 20.0 90.02 王五 22.0 90.03 赵六 22.0 90.04 刘七 25.0 95.0从结果可以看出，缺失值被最接近的前一个非 NaN 值填充。在这个例子中，第二行的年龄和成绩缺失值被填充为前一行的对应值。使用平均值填充缺失值除了使用最接近的非 NaN 值填充缺失值外，我们还可以使用其他的填充方法。其中一种常用的方法是使用平均值来填充缺失值。这在一些连续型的数值特征中比较常见，例如年龄、身高等。
pythondf_filled_mean = df.fillna(df.mean())以上代码中，`fillna()` 方法的参数 `value` 设置为 `df.mean()`，表示使用每列的平均值来填充缺失值。运行后，结果如下：
姓名 年龄 成绩0 张三 20.000000 80.01 李四 22.333333 90.02 王五 22.000000 88.3333333 赵六 22.333333 88.3333334 刘七 25.000000 95.0从结果可以看出，缺失值被每列的平均值填充。在这个例子中，年龄列的缺失值被平均年龄值 22.3333 填充，成绩列的缺失值被平均成绩值 88.3333 填充。使用插值方法填充缺失值另一种常用的填充缺失值的方法是使用插值方法。插值方法可以根据已有数据的变化趋势来推断缺失值，并填充合适的值。
pythondf_filled_interpolate = df.interpolate()以上代码中，`interpolate()` 方法使用默认的线性插值方法来填充缺失值。运行后，结果如下：
姓名 年龄 成绩0 张三 20.00 80.01 李四 20.50 90.02 王五 22.00 92.53 赵六 23.00 95.04 刘七 25.00 95.0从结果可以看出，缺失值被根据已有数据的变化趋势进行插值填充。在这个例子中，年龄和成绩列的缺失值分别被插值为合适的值。处理缺失值是数据分析和预处理的重要步骤之一。在 Pandas 中，可以使用不同的方法来填充缺失值。本文介绍了使用最接近的非 NaN 值、平均值和插值方法来填充缺失值的示例代码，并展示了填充后的结果。根据实际情况，选择合适的填充方法可以提高数据的准确性和可靠性。