如何在Pandas中识别并处理非标准缺失值(如"?"字符串)

星丽小哥_8453

星丽小哥_8453

2026-11-17

465人浏览

原创

如何在pandas中识别并处理非标准缺失值(如

本文介绍如何将数据集中以特殊符号(如"?"、"-1"、"NULL"等)表示的非标准缺失值统一识别并转换为Pandas原生缺失标识(pd.NA),从而确保isnull()、dropna()、fillna()等操作能正确生效。

本文介绍如何将数据集中以特殊符号(如"?"、"-1"、"NULL"等)表示的非标准缺失值统一识别并转换为Pandas原生缺失标识(pd.NA),从而确保isnull()、dropna()、fillna()等操作能正确生效。

在真实数据分析场景中,缺失值往往不以标准的NaN或None形式出现,而是被标记为字符串如"?"、"N/A"、"NULL"、""(空字符串)甚至数值型占位符如-999。这类“伪装型”缺失值无法被Pandas内置的isnull()、dropna()等函数自动识别,导致缺失统计为0、清洗逻辑失效,甚至引发后续建模偏差。

解决的关键在于标准化预处理:将非标准缺失标记显式替换为Pandas推荐的缺失值表示——pd.NA(适用于支持扩展类型的字符串/整数列)或np.nan(适用于浮点列)。推荐优先使用pd.NA,因其具有更强的类型安全性和语义清晰性。

以下是一个典型示例:

import pandas as pd
import numpy as np

# 构造含非标准缺失值的DataFrame
data = {"age": [25, 30, "?"], "city": ["Beijing", "?", "Shanghai"], "score": [88.5, "?", 92.0]}
df = pd.DataFrame(data)

print("原始数据:")
print(df)
print("\n原始isnull()统计(无法识别'?'):")
print(df.isnull().sum())
# age      0
# city     0
# score    0 → 全部为0!误判无缺失

# ✅ 正确做法:用replace()将"?"统一转为pd.NA
df_clean = df.replace("?", pd.NA)

print("\n标准化后:")
print(df_clean)
print("\n标准化后的isnull()统计:")
print(df_clean.isnull().sum())
# age      1
# city     1
# score    1 → 准确识别全部3处缺失

注意事项与进阶技巧:

  • ✅ 支持批量替换:df.replace(["?", "N/A", ""], pd.NA)
  • ✅ 区分列处理:df["age"] = df["age"].replace("?", pd.NA)(避免影响其他列)
  • ⚠️ 若列含混合类型(如数字+字符串),建议先统一转为string dtype再替换,防止隐式转换错误;
  • ⚠️ pd.NA要求列使用支持扩展类型的dtype(如string、Int64),若需兼容旧版Pandas或特定下游库,可改用np.nan(但会强制列转为float64);
  • ? 替换前建议先探索缺失模式:df.apply(lambda x: x.isin(["?", "N/A", "NULL", ""])).sum() 快速定位可疑标记。

完成标准化后,所有Pandas缺失值相关方法(df.dropna()、df.fillna("Unknown")、df.isna().mean()等)均可无缝工作,真正实现缺失值治理的端到端一致性。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

991

25

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

140

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

100

15

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

2026.11.12

80

15

Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

2026.11.06

160

12

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

2026.11.06

140

13

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

2026.11.06

120

10

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习