建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
創(chuàng)新互聯(lián)www.cdcxhl.cn八線動(dòng)態(tài)BGP香港云服務(wù)器提供商，新人活動(dòng)買(mǎi)多久送多久，劃算不套路！
小編給大家分享一下python出現(xiàn)nan的解決方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討方法吧！
很多數(shù)據(jù)不可避免的會(huì)遺失掉，或者采集的時(shí)候采集對(duì)象不愿意透露，這就造成了很多NaN（Not a Number）的出現(xiàn)。這些NaN會(huì)造成大部分模型運(yùn)行出錯(cuò)，所以對(duì)NaN的處理很有必要。
解決方法：
1、簡(jiǎn)單粗暴地去掉
1）有如下dataframe，先用df.isnull().sum()檢查下哪一列有多少NaN:
import pandas as pd
df = pd.DataFrame({'a':[None,1,2,3],'b':[4,None,None,6],'c':[1,2,1,2],'d':[7,7,9,2]})
print (df)
print (df.isnull().sum())輸出：
2）將含有NaN的列(columns)去掉:
data_without_NaN =df.dropna(axis=1) print (data_without_NaN)
輸出：
2、遺失值插補(bǔ)法
很多時(shí)候直接刪掉列會(huì)損失很多有價(jià)值的數(shù)據(jù)，不利于模型的訓(xùn)練。
所以可以考慮將NaN替換成某些數(shù)，顯然不能隨隨便便替換，有人喜歡替換成0，往往會(huì)畫(huà)蛇添足。
譬如調(diào)查工資收入與學(xué)歷高低的關(guān)系，有的人不想透露工資水平，但如果給這些NaN設(shè)置為0很顯然會(huì)失真。所以Python有個(gè)Imputation（插補(bǔ)）的方法。代碼如下：
from sklearn.preprocessing import Imputer my_imputer = Imputer() data_imputed = my_imputer.fit_transform(df) print (type(data_imputed)) # array轉(zhuǎn)換成df df_data_imputed = pd.DataFrame(data_imputed,columns=df.columns) print (df_data_imputed)
輸出：
可以看出，這里大概是用平均值進(jìn)行了替換。
看完了這篇文章，相信你對(duì)python出現(xiàn)nan的解決方法有了一定的了解，想了解更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道，感謝各位的閱讀！
當(dāng)前標(biāo)題：python出現(xiàn)nan的解決方法-創(chuàng)新互聯(lián)
網(wǎng)頁(yè)路徑：http://ef60e0e.cn/article/dphjhe.html
