示例数据
本文所使用的示例数据创建如下：
import pandas as pd import numpy as np data = pd.DataFrame({ 'name': ['Bob', 'Mary', 'Peter', np.nan, 'Lucy'], 'score': [99, 100, np.nan, 91, 95], 'class': ['class1', 'class2', 'class1', 'class2', np.nan], 'sex': ['male', 'fmale', 'male', 'male', 'fmale'], 'age': [23, 25, 20, 19, 24] })
一、均值填充
适用数据类型：数值类型
适用场景：数据整体极值差异不大时
举例：对成年男性身高的缺失值进行填充
代码示例：对data数据中的score进行均值填充
data['score'].fillna(data['score'].mean())
# 结果如下 0 99.00 1 100.00 2 96.25 3 91.00 4 95.00
二、中位数填充
适用数据类型：数值类型
适用场景：数据整体极值差异较大时
举例：对人均收入进行填充（数据中含有高收入人群：如马总）
代码示例：对data数据中的score进行中位数填充
data['score'].fillna(data['score'].median())
# 结果如下 0 99.0 1 100.0 2 97.0 3 91.0 4 95.0
三、众数填充
适用数据类型：字符类型｜没有大小关系的数值类型数据
适用场景：大多数情况下
举例：对城市信息的缺失进行填充/对工人车间编号进行填充
代码示例：对data数据中的class进行众数填充（注意：众数填充时要通过索引0进行取值，一组数据的众数可能有多个，索引为0的数据一定会存在）
data['class'].fillna(data['class'].mode()[0])
# 结果如下 0 class1 1 class2 2 class1 3 class2 4 class1
四、前后数据填充
适用数据类型：数值类型｜字符类型
适用场景：数据行与行之间具有前后关系时
举例：学年成绩排行中的某同学某科目成绩丢失
代码示例：对data数据中的score进行前后数据填充
# 前文填充 data['score'].fillna(method='pad') # 后文填充 data['score'].fillna(method='bfill')
# 前文填充结果 0 99.0 1 100.0 2 100.0 3 91.0 4 95.0 # 后文填充结果 0 99.0 1 100.0 2 91.0 3 91.0 4 95.0
五、自定义数据填充
适用数据类型：数值类型｜字符类型
适用场景：业务规定外的数据
举例：某调查问卷对婚后幸福程度进行调查，到那时很多人是未婚，可以自定义内容表示未婚人群
代码示例：对data数据中的name进行自定义数据填充
data['name'].fillna('no_name')
# 结果如下 0 Bob 1 Mary 2 Peter 3 no_name 4 Lucy
六、Pandas插值填充
适用数据类型：数值类型
适用场景：数据列的含义较为复杂，需要更精确的填充方法时
举例：对所有带有nan的数值列dataframe进行填充
说明：pandas中进行空值填充的方法为interpolate()，该方法的本质是使用各种数学（统计学）中的插值方法进行填充，其中包含最近邻插值法、阶梯插值、线性插值、B样条曲线插值等多种方法。
参数说明：interpolate()参数介绍
代码示例：
data['score'].interpolate()
# 结果如下 0 99.0 1 100.0 2 95.5 3 91.0 4 95.0
七、机器学习算法填充
适用数据类型：数值类型｜字符类型
适用场景：具有多种数据维度的场景
说明：可以选择不同的回归｜分类模型对数据进行填充
注意：下面的例子中不考虑具体场景，只是用于举例
数值类型数据填充代码示例（线性回归）：
from sklearn.linear_model import LinearRegression # 获取数据 data_train = data.iloc[[0, 1, 3]] data_train_x = data_train[['age']] data_train_y = data_train['score'] # 使用线性回归进行拟合 clf = LinearRegression() clf.fit(data_train_x, data_train_y) # 使用预测结果进行填充 data['score'].iloc[2] = clf.predict(pd.DataFrame(data[['age']].iloc[2]))
字符类型数据填充代码示例（决策树）：
from sklearn.tree import DecisionTreeClassifier # 获取数据 data_train = data.iloc[[0, 1, 3]] data_train_x = data_train[['age']] data_train_y = data_train['class'] # 使用决策树进行拟合 clf = DecisionTreeClassifier() clf.fit(data_train_x, data_train_y) # 使用分类结果进行填充 data['class'].iloc[4] = clf.predict(pd.DataFrame(data[['age']].iloc[4]))[0]
