Python数据分析基础与应用电子活页5-1创建DataFrame对象并检查是否存在缺失值.docxVIP

Python数据分析基础与应用

模块

PAGE4

PAGE3

电子活页5-1创建DataFrame对象并检查是否存在缺失值

【技能训练5-1】创建DataFrame对象并检查是否存在缺失值

【训练要求】

在JupyterNotebook开发环境中创建j5-01.ipynb，然后编写代码基于2022年1月1日到2022年1月10日范围内长沙市最高气温、最低气温、空气质量指数构建的数据集创建DataFrame对象，并检查是否存在缺失值。

【实施过程】

1．创建包含缺失值的DataFrame对象

（1）使用reindex()函数创建一个包含缺失值的DataFrame对象

代码如下：

importpandasaspd

data1=[[12,1,167],[15,4,145],[12,6,212],[7,5,104],[7,6,54],[6,3,70],[9,3,78]]

df1=pd.DataFrame(data1,index=[2022-01-01,2022-01-02,2022-01-04,

2022-01-05,2022-01-07,2022-01-08,2022-01-10],

columns=[highT,lowT,AQI])

df2=df1.reindex([2022-01-01,2022-01-02,2022-01-03,2022-01-04,2022-01-05,

2022-01-06,2022-01-07,2022-01-08,2022-01-09,2022-01-10])

df2

输出结果：

（2）以日期为行索引创建一个包含缺失值的DataFrame对象

代码如下：

importpandasaspd

data1=[[12,np.NaN,167],[15,np.NaN,145],[12,6,212],[np.NaN,5,104],

[7,6,54],[np.NaN,3],[9,np.NaN]]

df1=pd.DataFrame(data1,index=[2022-01-01,2022-01-02,2022-01-03,

2022-01-04,2022-01-05,2022-01-06,2022-01-07],

columns=[highT,lowT,AQI])

df1[AQI].isnull()

输出结果：

2022-01-01False

2022-01-02False

2022-01-03False

2022-01-04False

2022-01-05False

2022-01-06True

2022-01-07True

Name:AQI,dtype:bool

（3）使用默认行索引创建一个包含缺失值的DataFrame对象

代码如下：

importpandasaspd

importnumpyasnp

data1={date:[2022-01-01,2022-01-02,2022-01-03,2022-01-04,2022-01-05,

2022-01-06,2022-01-07],

highT:[12,15,12,np.NaN,7,np.NaN,9],

lowT:[np.NaN,np.NaN,6,5,6,3,np.NaN],

AQI:[167,145,212,104,54,np.NaN,np.NaN]}

df1=pd.DataFrame(data1)

df1

输出结果：

【说明】下一步检查缺失值是针对使用默认行索引创建的DataFrame对象进行的。

2．检查缺失值

（1）使用isnull()函数判断元素是否为空

代码如下：

print(df1[highT].isnull())

输出结果：

0False

1False

2False

3True

4False

5True

6False

Name:highT,dtype:bool

上述代码也可以写成以下形式：

print(pd.isnull(df1[highT]))

这两种形式代码的输出结果相同。

（2）使用notnull()函数判断元素是否不为空

代码如下：

print(df1[highT].notnull())

输出结果：

0True

1True

2