python数据处理—None/NULL/NaN的理解及实际应用情况

文章目录

• 一、python中None、null和NaN
• • 1、None
  • 2、NaN
• 二、实际应用
• • 1、使用read_sql读取null数据显示NaN
  • 2、使用read_csv读取null数据显示为字符串null

---

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==Falsedir(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 pddf=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+2result

---

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

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 hiveimport pandas as pdimport 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_resultsql='''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sqlresult=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.nandata_pos_1.loc[data_pos_1['online_days']=='NULL','online_days'] = np.nandata_pos_1.loc[data_pos_1['age']=='NULL','age'] = np.nandata_pos_1.loc[data_pos_1['payment_type']=='NULL','payment_type'] = np.nandata_pos_1.loc[data_pos_1['star_level_int']=='NULL','star_level_int'] = np.nandata_pos_1.loc[data_pos_1['cert_cnt']=='NULL','cert_cnt'] = np.nandata_pos_1.loc[data_pos_1['channel_nbr']=='NULL','channel_nbr'] = np.nandata_pos_1.loc[data_pos_1['payment_method_variable']=='NULL','payment_method_variable'] = np.nandata_pos_1.loc[data_pos_1['package_price_group']=='NULL','package_price_group'] = np.nanprint("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    2is_vice_card             8289  0  0.0online_days              8289  0  0.0calling_cnt              8289  0  0.0age                      8289  0  0.0payment_type             8289  0  0.0star_level_int           8289  0  0.0cert_cnt                 8289  0  0.0channel_nbr              8289  0  0.0payment_method_variable  8289  0  0.0package_price_group      8289  0  0.0查看将“NULL”替换成np.nan,data_pos_1的缺失值：; 0     1         2is_vice_card             7854   435  0.052479online_days              7854   435  0.052479calling_cnt              8289     0  0.000000age                      7854   435  0.052479payment_type             7854   435  0.052479star_level_int           7830   459  0.055375cert_cnt                 6134  2155  0.259983channel_nbr              7847   442  0.053324payment_method_variable  7890   399  0.048136package_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 pddata_pos=pd.read_csv(file_pos,encoding='utf-8')data_pos.head(10)

显示为字符串为null

import pandas as pddata_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)

来源地址：https://blog.csdn.net/sodaloveer/article/details/129791858