python新手常見問題：忽略進行NA值處理造成后續(xù)清洗工作報錯頻繁

更新時間:2022年11月22日14時10分來源:傳智教育瀏覽次數(shù):

　　在幾乎所有的數(shù)據(jù)工作中，凡是涉及矩陣的數(shù)據(jù)計算，一般都要求數(shù)據(jù)不包含NA值，如果包含NA值，則無法計算均值、最大值、方差等。因此NA值的處理應該放在所有數(shù)據(jù)清洗和預處理工作的首位。

　　相似問題：與NA值相似的還有2個值：正無窮和負無窮。在某些處理邏輯下，可能會產(chǎn)生這2類值。在Python中，float('inf')表示正無窮，-float（‘-inf’）表示負無窮。凡是涉及數(shù)據(jù)計算，這2類值與NA值一樣，其所在列都無法計算，因此都需要轉換處理。

　　直接拋棄異常值

　　異常數(shù)據(jù)通常被認定是一種“噪聲”。產(chǎn)生數(shù)據(jù)“噪聲”的原因很多，如業(yè)務運營操作、數(shù)據(jù)采集問題、數(shù)據(jù)同步問題等。處理異常數(shù)據(jù)前，需要先辨別出到底哪些是真正的數(shù)據(jù)異常。當數(shù)據(jù)的“異常”是由于業(yè)務特定運營動作產(chǎn)生時，它其實是正常反映業(yè)務狀態(tài)，而不是數(shù)據(jù)本身異常的規(guī)律。因此，在這個狀態(tài)下，必須保留看似異常的結果，否則業(yè)務的真實狀態(tài)無法反映到數(shù)據(jù)中。

　　相似問題：另外還有一類必須保持原有異常值的場景是后續(xù)數(shù)據(jù)應用的場景是異常檢測，如果把異常數(shù)據(jù)剔除，會直接導致異常檢測結果失效。

上一篇：Python匿名函數(shù)有什么用？ 下一篇：大數(shù)據(jù)“可怕”到什么程度？