python数据处理—None/NULL/NaN的理解及实际应用情况
- 一、python中None、null和NaN
- 二、实际应用
-
1、None
1）数据类型
None表示空值，一个特殊Python对象，None的类型是NoneType。
None是NoneType数据类型的唯一值，我们不能创建其它NoneType类型的变量，但是可以将None赋值给任何变量。type(None) #该值是一个空对象，空值是python里面一个特殊的值，用None表示。None不能理解为0，因为0是有意义，而None是一个特殊的空值。 type('')
2）特征：- None不支持任何运算
- None和任何其他数据类型比较永远返回False
- None有自己的数据类型NoneType，不能创建其他NoneType对象。（它只有一个值None）
- None与0、空列表、空字符串不一样。
- None赋值给任何变量，也可以给None值变量赋值
- None没有像len、size等属性，要判断一个变量是否为None，直接使用。
None==0 None==‘’ None==False dir(None) #返回参数属性、方法列表3）作为没有return关键函数的返回值
对于所有没有return语句的函数定义，python都会在末尾加上return None，使用不带值的return语句（也就是只有return关键字本身），那么就返回None。
def fun1(): print('test') result=fun() print(result)2、NaN
1）当使用Numpy或者Pandas处理数据的时候，会自动将条目中没有数据转换为NaN。
import pandas as pd df=pd.read_csv('F:\\python_test\\demo.csv',header=None) print(df)原数据为下图：
2）特征- NaN是没有办法和任何数据进行比较
- 它和任何值都不相等，包括他自己。
- 它的数类型是float，但是和任何值做计算的结果都是NaN
frame= pd.DataFrame([[1, 2, 3], [2, 3, 4], [3, 4, np.nan]], index=list('abc'), columns=list('ABC')) num=frame.iloc[2,2] result=num+2 result二、实际应用
1、使用read_sql读取null数据显示NaN
使用hive进行数据清洗、特征处理后，用python读取hive数据库下的整理好的表。一般使用pyhive连续数据库，pandas读取数据。
pandas读取hive数据库下面的数据表
1、如果数据表字段为string格式，pandas读取后在python中该字段数据格式为object，如果该字段中含有 NULL 值，读取会直接转换成字符串** ‘NULL’ **，如果该字段中含有’'（空值），读取直接转换成字符串 ** ‘’ **。
2、如果数据表字段为int格式，pandas读取后在python中该字段数据格式为float64，如果该字段中含有 NULL 值或者 ‘’（空值），读取直接转换成字符串 NaN。如果数据库表的字段为string，字段中含NULL，多数意义就是默认为空值或者异常数值，使用pd.DataFrame或者read_sql()读取，默认为字符串‘NULL’。因此对此进行数值处理会导致很多报错（比如ValueError: could not convert string to float: ‘NULL’），比如想要在python转换数据类型的时候，或者想要对null进行缺失值填充等等。因此想要将“NULL”转换成“NaN”，后续更加方便。
from pyhive import hive import pandas as pd import numpy as np #缺失值统计 def na_count(data): data_count=data.count() na_count=len(data)-data_count na_rate=na_count/len(data) na_result=pd.concat([data_count,na_count,na_rate],axis=1) return na_result sql='''select is_vice_card,online_days,age,payment_type ,star_level_int,cert_cnt,channel_nbr,payment_method_variable,package_price_group,white_flag from database.v1_6_501_train_test''' con=hive.connect(host='b1m6.hdp.dc',port=10000,auth='KERBEROS',kerberos_service_name="hive") cursor=con.cursor() cursor.execute(sql) #执行sql result=cursor.fetchall() data_pos_1=pd.DataFrame(result,columns=['is_vice_card', 'online_days', 'calling_cnt', 'age', 'payment_type', 'star_level_int', 'cert_cnt', 'channel_nbr', 'payment_method_variable', 'package_price_group']) print("未将‘NULL’替换成np.nan,查看train_data的缺失值：\n",na_count(data_pos_1)) #将str字段中的null转换成空值 data_pos_1.loc[data_pos_1['is_vice_card']=='NULL','is_vice_card'] = np.nan data_pos_1.loc[data_pos_1['online_days']=='NULL','online_days'] = np.nan data_pos_1.loc[data_pos_1['age']=='NULL','age'] = np.nan data_pos_1.loc[data_pos_1['payment_type']=='NULL','payment_type'] = np.nan data_pos_1.loc[data_pos_1['star_level_int']=='NULL','star_level_int'] = np.nan data_pos_1.loc[data_pos_1['cert_cnt']=='NULL','cert_cnt'] = np.nan data_pos_1.loc[data_pos_1['channel_nbr']=='NULL','channel_nbr'] = np.nan data_pos_1.loc[data_pos_1['payment_method_variable']=='NULL','payment_method_variable'] = np.nan data_pos_1.loc[data_pos_1['package_price_group']=='NULL','package_price_group'] = np.nan print("将‘NULL’替换成np.nan,查看train_data的缺失值：\n",na_count(data_pos_1))运行代码，结果显示：
查看未将“NULL”替换成np.nan,data_pos_1的缺失值： 0 1 2 is_vice_card 8289 0 0.0 online_days 8289 0 0.0 calling_cnt 8289 0 0.0 age 8289 0 0.0 payment_type 8289 0 0.0 star_level_int 8289 0 0.0 cert_cnt 8289 0 0.0 channel_nbr 8289 0 0.0 payment_method_variable 8289 0 0.0 package_price_group 8289 0 0.0 查看将“NULL”替换成np.nan,data_pos_1的缺失值：; 0 1 2 is_vice_card 7854 435 0.052479 online_days 7854 435 0.052479 calling_cnt 8289 0 0.000000 age 7854 435 0.052479 payment_type 7854 435 0.052479 star_level_int 7830 459 0.055375 cert_cnt 6134 2155 0.259983 channel_nbr 7847 442 0.053324 payment_method_variable 7890 399 0.048136 package_price_group 8289 0 0.000000也可以在数据库表建立将字段设置为int。
2、使用read_csv读取null数据显示为字符串null
一般默认为NaN
import pandas as pd data_pos=pd.read_csv(file_pos,encoding='utf-8') data_pos.head(10)
显示为字符串为nullimport pandas as pd data_pos=pd.read_csv(file_pos,encoding='utf-8', na_filter=False) data_pos=pd.read_csv(file_pos,encoding='utf-8', keep_default_na=False) #查看data_pos数据格式 data_pos[data_pos['online_days']=='NULL'].head(10) # python # pandas # 开发语言
-
4
-
0
-
-
扫一扫分享内容
![]()
所有评论(0)