import numpy as np 
import pandas as pd

pandas.options.mode.use_inf_as_na = True
#以下數(shù)據(jù) NaN 為缺失值：
df=(pd.DataFrame(np.random.randn(5, 3),index=['a', 'c', 'e', 'f', 'h'], columns=['one', 'two', 'three'])
.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']))
df

# 不是缺失值
df.one.notna()

df.isna()  # 是缺失值

df[df.one.notna()]# 進行篩選

#需要注意的是，Numpy 中 np.nan 和 np.nan 不相等，因此不能用 ==/!= 進行對比：
None == None       # noqa: E711  # True
np.nan == np.nan   # False 
None == np.nan     # False

df.notna()
df['team'].isna()
df['team'].isnull()

df.isnull().sum()#計算每列缺失值個數(shù)
df.isnull().sum(1)#計算每行缺失值個數(shù)
df.isnull().sum().sum()#總共缺失值個數(shù)

df.loc[df.isna().any(1)]#   有缺失值的行
df.loc[:,df.isna().any()] # 有缺失值的列
df.loc[~(df.isna().any(1))]  # 沒有缺失值的行
df.loc[:,~(df.isna().any())] # 沒有缺失值的列

#時間中的缺失值
#對于時間中的缺失值，Pandas 提供了一個 NaT 來表示，并且 NaT 和 NaN 之間是兼容的：
df['timestamp'] = pd.Timestamp('20120101')
df.loc[['a', 'c', 'h'], ['one', 'timestamp']] = np.nan
df.timestamp

pd.Series([1, 2, np.nan, 4], dtype=pd.Int64Dtype())

 #可以使用 None 等方法將內(nèi)容修改為缺失值：
s.loc[0] = None
s.loc[1] = np.nan
df.two = pd.NA

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, 5],
                   [np.nan, 3, np.nan, 4]],
                  columns=list('ABCD'))
df

df.fillna(0)# 填充為 0
# 填充為指定字符
df.fillna('missing')
df.fillna('暫無')
df.fillna('待補充')
 
df.one.fillna('暫無')   # 指定字段填充
df.one.fillna(0, inplace=Ture)    # 使填充內(nèi)容生效
df.fillna(0, limit=1)   # 只替換第一個
values = {'A': 0, 'B': 1, 'C': 2, 'D': 3}  # 不同列替換不同的值
df.fillna(value=values)

#使用 method{‘backfill', ‘bfill', ‘pad', ‘ffill', None}, default None
df.fillna(method='backfill')# 使用上一個有效值填充
df.fillna(method='bfill')# 同 backfill
df.fillna(method='pad')# 把當前值廣播到后邊的缺失值
df.fillna(method='ffill')# 同 pad
#fillna(method='ffill') 可以簡寫為 ffill() ， fillna(method='bfill') 可以簡寫為 bfill()

# 填充列的平均值
df.fillna(df.mean())
# 對指定列填充平均值
df.fillna(df.mean()['B':'C'])
# 填充列的平均值，另外一個方法
df.where(pd.notna(df), df.mean(), axis='columns')
 
#特別的計算：
# 第一個非空值
df.fillna(method='bfill').head(1).iloc[0]
# 第一個非空值索引
df.notna().idxmax()
df.apply(pd.Series.first_valid_index)

s = pd.Series([0, 1,4,9, np.nan, 25])
s.interpolate()

s.interpolate(method='spline',order=2)

#一般刪除會針對行進行，如一行中有缺失值就會刪除，當然也會有針對列的。
df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
                   "toy": [np.nan, 'Batmobile', 'Bullwhip'],
                   "born": [pd.NaT, pd.Timestamp("1940-04-25"),
                            pd.NaT]})
df

# 刪除所有有缺失值的行(有一個缺失就刪除)
df.dropna()
# 刪除所有有缺失值的列
df.dropna(axis='columns')
df.dropna(axis=1)
# 刪除所有值都缺失的行
df.dropna(how='all')
# 不足2個非空值時刪除
df.dropna(thresh=2)
# 指定判斷缺失值的列范圍
df.dropna(subset=['name', 'born'])
# 使刪除和的結(jié)果生效
df.dropna(inplace=True)
# 指定列的缺失值刪除
df.toy.dropna()

df.duplicated(subset=None, keep='first')

df = pd.DataFrame({'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
                   'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
                   'rating': [4, 4, 3.5, 15, 5] })
df

df.duplicated()

df.duplicated(keep='last')

df.duplicated(keep='last')

df.duplicated(keep=False)

df.drop_duplicates(subset=None,
? ? ? ? ? ? ? ? ? ?keep='first',
? ? ? ? ? ? ? ? ? ?inplace=False,
? ? ? ? ? ? ? ? ? ?ignore_index=False)

df.drop_duplicates()

df.drop_duplicates(subset=['brand'])

df.drop_duplicates(subset=['brand', 'style'], keep='last')

df.drop(labels=None,axis=0,index=None,columns=None,level=None,inplace=False,errors='raise')

df.drop([2,4])#刪除指定行

df.drop(['brand','rating'],axis=1)#刪除指定列
df.drop(columns=['brand','rating'])#同上

#指定值替換，以下是在 Series 中將 0 替換為 5：
ser = pd.Series([0., 1., 2., 3., 4.])
ser.replace(0, 5)
 
#也可以批量替換：
# 一一對應進行替換
ser.replace([0, 1, 2, 3, 4], [4, 3, 2, 1, 0])
# 用字典映射對應替換值
ser.replace({0: 10, 1: 100})
# 將 a 列的 0 b 列中的 5 替換為 100
df.replace({'a': 0, 'b': 5}, 100)
#  指定列里的替換規(guī)劃
df.replace({'a': {0: 100, 4: 400}})

# 將 1，2，3 替換為它們前一個值（0）
ser.replace([1, 2, 3], method='pad') # ffill 是它同義詞
# 將 1，2，3 替換為它們后一個值（4）
ser.replace([1, 2, 3], method='bfill')

#如果遇到字符比較復雜的內(nèi)容，就是使用正則（默認沒有開啟）進行匹配：
 
# 把 bat 替換為 new
df.replace(to_replace='bat', value='new')
# 利用正則將 ba 開頭的替換為 new
df.replace(to_replace=r'^ba.$', value='new', regex=True)
# 如果多列規(guī)則不一的情況下可以按以下格式對應傳入
df.replace({'A': r'^ba.$'}, {'A': 'new'}, regex=True)
# 多個規(guī)則替換為同一個值
df.replace(regex=[r'^ba.$', 'foo'], value='new')
# 直接多個正則及對應的替換內(nèi)容
df.replace(regex={r'^ba.$': 'new', 'foo': 'xyz'})

d = {'a': list(range(4)),
     'b': list('ab..'),
     'c': ['a', 'b', np.nan, 'd']}
df = pd.DataFrame(d)
df

# 將.替換為 nan，（也可以替換為 None）
df.replace('.', np.nan)
# 使用正則，將空格和點等替換為 nan
df.replace(r'\s*\.\s*', np.nan, regex=True)
# 對應替換，a 換 b, 點換 nan
df.replace(['a', '.'], ['b', np.nan])
# 點換 dot, a 換 astuff  (第一位+)
df.replace([r'\.', r'(a)'], ['dot', r'\1stuff'], regex=True)
 
# b 中的點要替換，替換為 b 替換規(guī)則為 nan，可以多列
df.replace({'b': '.'}, {'b': np.nan})
# 使用正則
df.replace({'b': r'\s*\.\s*'}, {'b': np.nan}, regex=True)
# b列的 b 值換為空
df.replace({'b': {'b': r''}}, regex=True)
# b 列的點空格等換 nan
df.replace(regex={'b': {r'\s*\.\s*': np.nan}})
# b列點等+ty
df.replace({'b': r'\s*(\.)\s*'},
           {'b': r'\1ty'},regex=True)
# 多個正則規(guī)則(a,b,. 都換為缺失)
df.replace([r'\s*\.\s*', r'a|b'], np.nan, regex=True)
# 用參數(shù)名傳參
df.replace(regex=[r'\s*\.\s*', r'a|b'], value=np.nan)

df = pd.DataFrame(np.random.randn(5, 2))
df[np.random.rand(df.shape[0]) > 0.5] = 1.5
df

# 將 1.5 替換為 nan
df.replace(1.5, np.nan)
# 將1.5換為 nan, 同時于左上角的值換為 a
df.replace([1.5, df.iloc[0, 0]], [np.nan, 'a'])
# 使替換生效
df.replace(1.5, np.nan, inplace=True)

df = pd.DataFrame({'a': [-1, 2, 5], 'b': [6, 1, -3]})
df

df.clip(0,3)