缺失值的填补方法是什么？-CDA数据分析师官网

2020-05-11

处理数据过程中，一般而言只要数据缺失的比例不不大于30%，就应该尽可能不做删除处理，而是选择进行做缺失值填补，那么有哪些填补的办法呢？

（1）Excel实现

在Excel中，缺失值的填充和缺失值删除一样，利用的也是定位条件，先把缺失值找到，然后在第一个缺失值的单元格中输入要填充的值，最常用的就是用0填充，输入以后按Ctrl+Enter组合键就可以对所有缺失值进行填充处理。

缺失值填充前后的对比如下图所示：

在数据中年龄用数字填充合适，但是性别用数字填充就不太合适，那么可不可以分开填充呢？答案是可以的，选中想要被填充的那一列，按照填充全部数据的方式进行填充就可以了，只不过如果想要要填充几列，则需要执行几次这样的操作。

上图是数据填充前后的对比，年龄这一列我们使用平均值进行填充，性别这一列我们使用众数进行填充。

除了用0填充、平均值填充、众数（大多数）填充，还有向前填充（即用缺失值的前一个非缺失值填充，比如上个例子中编号A3 对应的缺失年龄的前一个非缺失值就是16）、向后填充（与向前填充对应）等方式。

（2）Python实现

在Python中，我们利用的 fillna ( ) 方法对数据表中的所有缺失值进行填充，在fillna ( )后面的括号中输入要填充的值即可。

在Python中我们也可以按不同列进行填充，只要在函数fillna ( ) 方法的括号中指明列名即可。

上面的代码中只针对性别这一列进行了填充处理，数据中其他列均未进行任何更改。

也可以同时对多个列填充不同的值：

数据分析实践入门（一）：数据预处理

虽然数据时代的数据收集相对更容易，但是仍然要爱惜数据，所以缺失值的填补方法非常重要，大家要重视！

数据分析缺失值的填补方法

数据分析咨询请扫描二维码

下一篇数据清理利器：SQL数据清洗！