当熊猫无法将数据字符串NA / ND识别为缺失值时该怎么办

熊猫价值缺失

在实验数据集中，空白可以补充NA，NA（未分析）或ND，ND（未检测到）。 在熊猫中，NA和ND仅被识别为字符串（对象），因此无法按原样使用dropna（），fillna（）和isull（）函数批量处理缺失值。

以下是熊猫的缺失值：

• 为NaN
• 不包含
• 南
• 数学南

字符串NA和ND需要转换为上述之一。

NA和ND的处理

创建样本数据，包括NA，ND和NaN。

在[1]中：导入numpy为np导入熊猫为pd df = pd.DataFrame（{'A'：[1，'ND'，2，3]，'B'：[4，'NA'，5，6 ]，'C'：[7，'ND'，None，np.nan]}）出[1] ABC 0 1 4 7 1 ND NA ND 2 2 5 NaN 3 3 5 NaN

没有ne和np.nan被识别并计为缺失值，但是ND和NA为False。
notull（）：如果缺少该值，则返回True
notull.sum（）：汇总缺少的值

输入[2]：df.isnull（）输出[2]：ABC 0错误错误错误1错误错误错误2错误错误True 3错误错误True输入[3]：df.isnull（）。Sum（）输出[3] ：A 0 B 0 C 2 dtype：int64

用替换功能替换字符串ND

在[4]中：df = df.replace（'ND'，np.nan）在[4]中：A B C 0 1 4 7 1 NaN NA NaN 2 2 5 NaN 3 3 5 NaN

现在可以应用notull（）和fillna（）。

输入[5]：df.isnull（）输出[5]：ABC 0错误错误错误1正确错误True 2错误错误True 3错误错误True输入[6]：df.isnull（）。总和（）输出[6] ：A 2 B 0 C 2 dtype：int64输入[7]：df.fillna（10）输出[7]：ABC 0 1 4 7 1 10 NA 10 2 2 5 10 3 3 5 10