一、python中None、null和NaN
注意:python中没有null,只有和其意义相近的None。
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null文章来源:https://www.toymoban.com/news/detail-707717.html
import pandas as pd
data_pos=pd.read_csv(file_pos,encoding='utf-8', na_filter=False)
#或
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)
文章来源地址https://www.toymoban.com/news/detail-707717.html
到了这里,关于python数据处理—None/NULL/NaN的理解及实际应用情况的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!