清理空單元格

刪除行

假設今天有一個資料集，非常大，但有幾行不太重要，刪除幾行不會對結果產生太大影響

例如:
用dropna()將有缺失值的行或列刪掉，在建立一個新的DataFrame
這就是刪除行

import pandas as pd

df = pd.read_csv('data.csv')

new_df = df.dropna()

print(new_df.to_string())

• 注意，如果現在有一個new_df = df.dropna，不會直接改變原本得DataFrame

• 如果要改變原始的DataFrame，我們要在df.dropna(裡面使用參數)inplace = True就可以改變了!

替換空值

處理空白單元格的另一種方法是插入新值
這樣就不用因為某些空白儲存格而刪除整行

這個時候我們可以用fillna()

fillna()允許我們用值替換空白單元格：

import pandas as pd

df = pd.read_csv('data.csv')

df.fillna(130, inplace = True)

print(df.to_string())

上面的範例取代了整個資料框中的所有空白單元格

若要僅替換一列的空值，要指定DataFrame 的列名稱：

例子
將「卡路里」欄位中的 NULL 值替換為數字 130：

將df.fillna(130, inplace = True) 中 df後用[]加上指定列名稱
df["Calories"].fillna(130, inplace = True)

使用平均數、中位數或眾數替換

替換空白單元格的常見方法是計算列的平均值、中位數或眾數
Pandas 使用mean() median()和mode()方法來計算指定列的對應值：

mean(): 平均數

median(): 中位數

mode(): 眾數

例子:

• 平均數 mean()

import pandas as pd

df = pd.read_csv('data.csv')

x = df["Calories"].median()

df.fillna(x, inplace = True)

print(df.to_string())

• 中位數 median()

import pandas as pd

df = pd.read_csv('data.csv')

x = df["Calories"].median()

df["Calories"].fillna(x, inplace = True)

• 眾數 mode()，要記得[0]，不然不會替換資料

import pandas as pd

df = pd.read_csv('data.csv')

x = df["Calories"].mode()[0]

df["Calories"].fillna(x, inplace = True)