如何在Pandas中识别并处理非标准缺失值(如"?"、""、-999等)

夜雪小哥_3246

夜雪小哥_3246

2026-11-17

857人浏览

原创

如何在pandas中识别并处理非标准缺失值(如

本文介绍如何识别和标准化数据集中以字符串"?"等非NaN形式表示的缺失值,通过replace()将其统一转换为pd.NA,从而确保isnull()、dropna()、fillna()等所有Pandas缺失值操作能正确识别和处理。

本文介绍如何识别和标准化数据集中以字符串"?"等非NaN形式表示的缺失值,通过replace()将其统一转换为pd.NA,从而确保isnull()、dropna()、fillna()等所有Pandas缺失值操作能正确识别和处理。

在真实数据分析场景中,缺失值 rarely appear as clean np.nan 或 pd.NA——更常见的是用占位符表示,例如字符串 "?"、空字符串 ""、特殊数值 -999、"N/A"、"NULL",甚至全大写的 "MISSING"。若不提前处理,这些值会被Pandas视为有效数据,导致 df.isnull().sum() 返回全0,df.dropna() 无法删除,df.mean() 计算失真,严重干扰后续建模与统计分析。

正确的做法是:在数据加载后、探索性分析前,主动将业务定义的缺失标识统一替换为Pandas原生缺失标记 pd.NA(推荐)或 np.nan(兼容旧版本)。pd.NA 是Pandas 1.0+ 引入的三态缺失值(支持字符串、数值、布尔等混合类型),语义更清晰且行为更一致。

以下是一个完整示例:

import pandas as pd
import numpy as np

# 模拟含非标准缺失值的数据
data = {
    "age": [25, "?", 34, ""],
    "salary": ["50000", "N/A", "72000", "65000"],
    "department": ["IT", "HR", "?", "Finance"]
}
df = pd.DataFrame(data)

# ❌ 错误:直接检查,无法识别 "?" 或 "" 等
print("原始 isnull() 结果:")
print(df.isnull().sum())
# age          0
# salary       0
# department   0

# ✅ 正确:先替换,再检查
# 将多种缺失标识统一映射为 pd.NA
df_clean = df.replace({
    "?": pd.NA,
    "": pd.NA,
    "N/A": pd.NA,
    "NULL": pd.NA,
    "missing": pd.NA,
    "Missing": pd.NA
})

print("\n替换后 isnull() 结果:")
print(df_clean.isnull().sum())
# age          2   # "?" 和 "" 均被识别
# salary       1   # "N/A" 被识别
# department   1   # "?" 被识别

# 后续所有缺失值操作均可正常工作
print("\n删除含缺失行后的形状:", df_clean.dropna().shape)  # (2, 3)
print("age 列均值(自动跳过 NA):", df_clean["age"].astype("Int64").mean())  # 29.5(需转为可空整型)

⚠️ 关键注意事项:

  • 使用 replace() 时建议传入字典而非单个值(如 df.replace("?", pd.NA)),便于一次性处理多种缺失模式;
  • 对于数值列,替换后建议显式转换为可空类型(如 astype("Int64")、astype("string")),避免隐式转为 float64 引入 nan;
  • 若需保留原始数据,应在清洗前备份:df_original = df.copy();
  • 加载CSV时也可一步处理:pd.read_csv("data.csv", na_values=["?", "", "N/A", "NULL"]),但该参数仅对数值列生效,字符串列仍需后续replace()。

总之,将非标准缺失值“标准化”为 pd.NA 是构建健壮数据管道的第一步——它不是锦上添花,而是确保所有Pandas缺失值语义一致、逻辑可靠的基石。

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