python - 在数字列的新列中捕获 NA 的存在
问题描述
我有一个要在其上运行决策树建模的数据集。然而,数据集在数值列和分类列中都有 NA。
对于分类列,我的解决方案很简单,我在整个分类列列表中使用了 dummy_na=True 的虚拟编码。我的所有专栏的名称中都包含 _CAT,因此它们很容易被捕获。
#get list of cat columns
cat_cols = [col for col in df5.columns if '_CAT' in col]
#dummy encode and capture NA presence
df_new = pd.get_dummies(df_old,dummy_na=True, columns = cat_cols )
问题出在数值列上:我无法将平均值/中位数归入 NA,因为缺少数据是有意义的。我无法估算 0,因为它是列的有效值。我可以输入一些时髦的东西,比如 -9999999.9,因为它会是一个非常大的异常值,它可能会将 NA 与其他数字数据区分开来。
但是我想知道是否有某种方法可以轻松地为每个数字列创建一个列,该列将具有二进制 1 或 0 指示符,以显示该数字列是否在其行中具有 NA。
所以如果我有这个:
ID Value1_X Class Value2_X
0 1 33 Y 0.01
1 2 101 N 0.05
2 3 25 N NaN
3 4 245 N NaN
4 5 NaN N 0.61
5 6 30000 Y 2.3
它变成了这样:
ID Value1_X Value1_NA Class Value2_X Value2_NA
0 1 33 0 Y 0.01 0
1 2 101 0 N 0.05 0
2 3 25 0 N NaN 1
3 4 245 0 N NaN 1
4 5 NaN 1 N 0.61 0
5 6 30000 0 Y 2.3 0
此外,我所有的数字列的名称中都有 _NUM。有没有办法为名称中包含 _NUM 的所有列自动创建 NA 指示符列,就像我可以为分类列做的那样?如果 NA 指示符列名可以与上面示例中的数字列名有些匹配?
重新创建上述样本的数据:
data2 = [['1', 33,'Y',0.01], ['2', 101,'N',0.05],
['3', 25,'N',np.nan],['4', 245,'N',np.nan],
['5',np.nan ,'N',0.61], ['6', 30000,'Y',2.3]]
df2 = pd.DataFrame(data2, columns = ['ID', 'Value1_X','Class','Value2_X'])
data3 = [['1', 33,0,'Y',0.01,0],
['2', 101,0,'N',0.05,0],
['3', 25,0,'N','NaN',1],
['4', 245,0,'N','NaN',1],
['5','NaN',1 ,'N',0.61,0],
['6', 30000,0,'Y',2.3,0]]
df3 = pd.DataFrame(data3, columns = ['ID', 'Value1_X','Value1_NA','Class','Value2_X','Value2_NA'])
解决方案
你可以尝试这样的事情:
data2 = [['1', 33,'Y',0.01], ['2', 101,'N',0.05],
['3', 25,'N',np.nan],['4', 245,'N',np.nan],
['5',np.nan ,'N',0.61], ['6', 30000,'Y',2.3]]
df2 = pd.DataFrame(data2, columns = ['ID', 'Value1_X','Class','Value2_X'])
df2.assign(**df2.select_dtypes(include='number')
.isna()
.astype(int)
.rename(columns=lambda x: x.split('_')[0]+'_NA'))
输出:
ID Value1_X Class Value2_X Value1_NA Value2_NA
0 1 33.0 Y 0.01 0 0
1 2 101.0 N 0.05 0 0
2 3 25.0 N NaN 0 1
3 4 245.0 N NaN 0 1
4 5 NaN N 0.61 1 0
5 6 30000.0 Y 2.30 0 0
注意:我修改了您的输入数据框,使“NaN”实际上是 np.nan,以使列的数据类型为浮点数而不是字符串/对象 dtypes。
推荐阅读
- python - 实现由 GCS finalize 触发的云功能以发布到 pubsub
- python - 将包含复杂 JSON 的 CSV 导入 Postgres
- php - 我如何获得 mailjet required_once email.php 文件以使用普通/核心 php 发送电子邮件
- python - python通过命令和浏览器给出不同的结果
- c - 进程在接收完整的映射内存块时挂起套接字 recvmsg 调用
- javascript - ReactJs 向父父函数抛出错误
- javascript - 如何检测CTR+F输入框中的文字输入
- angular - angular nativescript modal位于ios中的tabview后面
- php - Laravel 根据 ID 键将来自另一个数组的数据合并到嵌套数组中
- linux - 在 yocto 中创建一个只读文件