下面小编就为大家分享一篇python实现数据预处理之填充缺失值的示例。具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

1、给定一个数据集noise-data-1.txt，该数据集中保护大量的缺失值（空格、不完整值等）。利用“全局常量”、“均值或者中位数”来填充缺失值。
noise-data-1.txt：   
5.1 3.5 1.4 0.2
4.9 3 1.4 0.2
4.7 3.2 1.3 0.2
4.6 3.1 1.5 0.2
5 3.6 1.4 0.2
5.4 3.9 1.7 0.4
4.6 3.4 1.4 0.3
5 3.4 1.5 0.2
4.4 2.9 1.4 0.2
4.9 -3.1 1.5 0.1
5.4 3.7 1.5 0.2
4.8 3.4 1.6 0.2
4.8 3 -1.4 0.1
4.3 3 1.1 0.1
5.8 4 1.2 0.2
5.7 4.4 1.5 0.4
5.4 3.9 1.3 0.4
5.1 3.5 1.4 0.3
5.7 3.8 1.7 0.3
5.1 3.8 -1.5 0.3
5.4 3.4 1.7 0.2
5.1 3.7 1.5 0.4
4.6 3.6 1 0.2
5.1 3.3 1.7 0.5
4.8 3.4 1.9 0.2

解题思路：首先读入数据，对数据进行处理，去掉空行，利用 “均值来填充缺失值，本题利用Python语言实现，代码如下：   
import numpy as np
data = []
my_list = []
con=0
noise_data = open('noise-data-1.txt')
clean_data = open("clean_data3.txt", 'w')
for line in noise_data.readlines():
if len(line) == 0:
break
if line.count('\n') == len(line):
continue
dataline =line.strip().split('\t')
my_list.append(dataline)
con+=1
for i in range(0,con):
for j in range(0,len(my_list)):
if my_list[j].count('.')==0:
  miss_row=[]
  for a in range(0,len(my_list)):
  if float(my_list[a])<0:
   miss_row.append(-float(my_list[a]))
  miss_row.append(float(my_list[a]))
  my_average=round(np.average(miss_row),1)
  my_list[j]=my_average
else:
  if float(my_list[j])<0:
   my_list[j]=-float(my_list[j])
  my_list[j]=float(my_list[j])
print my_list
def file_write(filename,data_list):
file1=open(filename,'w')
for i in data_list:
for j in i:
  if type(j)!=str:
  j=str(j)
  file1.write(j)
  file1.write(' ')
file1.write('\n')
file1.close()
return file1
filename='clean_data.txt'
file_write(filename,my_list)

运行结果如下：

以上这篇python实现数据预处理之填充缺失值的示例就是小编分享给大家的全部内容了。

扫码关注CDA公众号，即可获取“最新版数据分析题库大全”与“CDA免费精品课70+”