歡迎關注天善智慧, 我們是專注于商業智慧BI, 大資料, 資料分析領域的垂直社區, 學習, 問答、求職一站式搞定!
每週2-3場免費資料領域公開課, 每月線下活動, 歡迎關注!
因為最近事情略多, 最近更新的不勤了, 但是學習的腳步不能停, 一旦停下來, 有些路就白走了, 今天就盤點一下R語言和Python中常用於處理重複值、缺失值的函數。
在R語言中, 涉及到資料去重與缺失值處理的函數一共有下面這麼幾個:
unique
distinct
intersect
union
duplicated #布林判斷
is.na()/!is.na() #缺/非缺失值
na.rm=TRUE/FALSE #移除缺失值
na.omit(lc) #忽略缺失值
complete.cases() #完整值
mydata<-data.frame(A=runif(20,0,100),B=sample(LETTERS[1:5],20,replace=TRUE))
mydata[sample(1:20,5,replace=FALSE),"A"]<-NA #認為構造了5個缺失值。
#unique函數通常用於去重:
unique(mydata$B) #對含有重複值得向量進行去重
dplyr::distinct(mydata,B) #對含有重複值欄位的資料框去重
#交集與補集:
dplyr中提供了兩個函數可以執行交集與補集操作:
duplicated(mydata$B) #返回重複物件的布林值
mydata[!duplicated(mydata$B),] #剔除重複值, 僅保留唯一值
A=LETTERS[1:10];B=LETTERS[6:15]
intersect(A,B) #交集
unique(A,B) #補集
#缺失值處理:
is.na()/!is.na() #缺/非缺失值判斷
is.na(mydata) #返回存在缺失值的布林結果
!is.na(mydata) #返回非缺失值的布林結果
na.rm=TRUE/FALSE #移除缺失值
rm.na通常作為基礎統計函數的參數使用, 如mean, sum等
mean(mydata$A,na.rm=TRUE)
sum(mydata$A,na.rm=TRUE)
na.omit(mydata) #忽略缺失值所在行
complete.cases(mydata) #完整值(返回布林結果)
mydata[!complete.cases(mydata$A),]#使用該函數的布林索引確定缺失值或者排除缺失值
關於更為複雜的缺失值插補技術, 因為涉及到一些比較深入的方法, 這裡暫且不呈現,僅對缺失值的描述和篩選做以上簡單歸總。
---------
Python:
---------
#列表去重:
set(將列表元組化過濾重復資料)
M=[1,4,3,6,5,4,3,2,7,8]
list(set(M))
#數據框的去重:
import pandas as pd
import numpy as np
mydata=pd.DataFrame({
"A":["A","B","C","D","B","C"],
"B":[43,32,56,67,32,56]
})
mydata.drop_duplicates()
#使用pandas提供的資料框去重函數drop_duplicates去重重複值。
#缺失值處理:
對於清單而言,numpy中諸多統計函數都有針對缺失值的操作:
nansum/nanmean/nanmin/nanmax
val= np.array([5,np.nan,8,9,np.nan])
np.nansum(val)
np.nanmean(val)
np.nanmin(val)
np.nanmax(val)
pandas中的序列和資料框都有固定的缺失值檢測、描述、差值方法:
myserie=pd.Series(["A","B",np.nan,"C"])
mydata=pd.DataFrame({
"A":["A","B","C","D","E","F"],
"B":[43,np.nan,56,67,np.nan,56]
})
#檢測缺失值:
myserie.isnull()
mydata.isnull()
#返回非缺失值:
myserie.notnull()
mydata.notnull()
#過濾缺失值:
myserie.dropna()
mydata.dropna()
#針對資料框而言,預設情況下,dropna丟棄含有缺失值的行。
mydata.dropna(how="all",axis=1) #丟棄含有缺失值的行或者列
#缺失值填充:
fillna函數一共兩個參數:
value表示要插補的值
method表示缺失值插補方法
myserie.fillna(0)
mydata.fillna(0)
------------
本文小結:
------------
R語言:
數值去重:
unique
distinct
intersect
union
duplicated
缺失值處理:
is.na()/!is.na()
na.rm=TRUE/FALSE
na.omit(lc)
complete.cases()
Python:
重複值:
set(針對列表通過元組過濾)
drop_duplicates(針對pandas中的序列和資料框)
缺失值處理:
nansum/nanmean/nanmin/nanmax
isnull
dropna
fillna
天善學院svip正火爆報名中!包含業務知識一站通、Excel BI商業智慧、七周成為資料分析師、對話大資料數列技術、R語言15案例、Python3網路爬蟲實戰案例、Python機器學習、Python資料科學家精華實戰課程、深度學習模型和實戰課程、資料分析報告共10套課程,其他課程只需五折即可,歡迎大家關注報名。https://www.hellobi.com/svip
本文作者:天善智慧社區專家杜雨資料小魔方
天善社區博客地址:https://ask.hellobi.com/blog/zlx19930503/9228
公開課地址:https://edu.hellobi.com/course/195
這裡暫且不呈現,僅對缺失值的描述和篩選做以上簡單歸總。---------
Python:
---------
#列表去重:
set(將列表元組化過濾重復資料)
M=[1,4,3,6,5,4,3,2,7,8]
list(set(M))
#數據框的去重:
import pandas as pd
import numpy as np
mydata=pd.DataFrame({
"A":["A","B","C","D","B","C"],
"B":[43,32,56,67,32,56]
})
mydata.drop_duplicates()
#使用pandas提供的資料框去重函數drop_duplicates去重重複值。
#缺失值處理:
對於清單而言,numpy中諸多統計函數都有針對缺失值的操作:
nansum/nanmean/nanmin/nanmax
val= np.array([5,np.nan,8,9,np.nan])
np.nansum(val)
np.nanmean(val)
np.nanmin(val)
np.nanmax(val)
pandas中的序列和資料框都有固定的缺失值檢測、描述、差值方法:
myserie=pd.Series(["A","B",np.nan,"C"])
mydata=pd.DataFrame({
"A":["A","B","C","D","E","F"],
"B":[43,np.nan,56,67,np.nan,56]
})
#檢測缺失值:
myserie.isnull()
mydata.isnull()
#返回非缺失值:
myserie.notnull()
mydata.notnull()
#過濾缺失值:
myserie.dropna()
mydata.dropna()
#針對資料框而言,預設情況下,dropna丟棄含有缺失值的行。
mydata.dropna(how="all",axis=1) #丟棄含有缺失值的行或者列
#缺失值填充:
fillna函數一共兩個參數:
value表示要插補的值
method表示缺失值插補方法
myserie.fillna(0)
mydata.fillna(0)
------------
本文小結:
------------
R語言:
數值去重:
unique
distinct
intersect
union
duplicated
缺失值處理:
is.na()/!is.na()
na.rm=TRUE/FALSE
na.omit(lc)
complete.cases()
Python:
重複值:
set(針對列表通過元組過濾)
drop_duplicates(針對pandas中的序列和資料框)
缺失值處理:
nansum/nanmean/nanmin/nanmax
isnull
dropna
fillna
天善學院svip正火爆報名中!包含業務知識一站通、Excel BI商業智慧、七周成為資料分析師、對話大資料數列技術、R語言15案例、Python3網路爬蟲實戰案例、Python機器學習、Python資料科學家精華實戰課程、深度學習模型和實戰課程、資料分析報告共10套課程,其他課程只需五折即可,歡迎大家關注報名。https://www.hellobi.com/svip
本文作者:天善智慧社區專家杜雨資料小魔方
天善社區博客地址:https://ask.hellobi.com/blog/zlx19930503/9228
公開課地址:https://edu.hellobi.com/course/195