实验06 Pandas缺失值处理

实验学时：2学时
实验类型：验证
实验要求：必修

一、实验目的

掌握判断缺失值、过滤缺失值、填充缺失缺失值等缺失值处理
解决实际数据中的缺失值问题

二、实验要求

使用常见的缺失值处理函数（如：isnull()、notnull()、fillna()、dropna()函数）等知识在PyCharm中编写程序，解决实际数据中的缺失值处理问题。

三、实验内容

任务1.用分组的均值来填充缺失值，用Python编写程序实现。

   类别  产地   名称    单价
0  文具  晋江  文具盒    15.0
1  文具  厦门   钢笔     NaN
2  文具  厦门  订书机   18.0
3  服装  厦门   上衣     50.0
4  服装  晋江   裤子     35.0
5  鞋袜  晋江   棉袜     NaN
6  鞋袜  晋江   丝袜     12.0


      类别  产地   名称         单价
产地                          
厦门
      1  文具  厦门   钢笔    34.000000
      2  文具  厦门  订书机   18.000000
      3  服装  厦门   上衣    50.000000
晋江
      0  文具  晋江  文具盒   15.000000
      4  服装  晋江   裤子    35.000000
      5  鞋袜  晋江   棉袜    20.666667
      6  鞋袜  晋江   丝袜    12.000000

任务2. 有一个名为python1.xls的文件，内容如下图，现将表中的缓考、缺考的期末值用同姓所有同学的平均分填充。用Python编写程序实现。

任务3. 有一个名为python2.xlsx的文件，内容如下图，现将表中的数据做如下处理：
（1）读取数据，删除空行和空列；
（2）将分数列值为NAN（空值）的值填充为0分；
（3）将姓名的缺失值用“张生”进行填充。
（4）将处理好的数据保存在exepython2.xlsx中。
用Python编写程序实现。

test6.py

import numpy as np
import pandas as pd
import openpyxl as opx

from openpyxl.styles import Font, Alignment, Color, Border, Side

pd.set_option("display.unicode.east_asian_width", True)
pd.set_option("display.max_rows", None)


def task1():
    data = {
        '类别': ['文具', '文具', '文具', '服装', '服装', '鞋袜', '鞋袜'],
        '产地': ['厦门', '晋江', '晋江', '晋江', '厦门', '厦门', '厦门'],
        '类名称': ['文具盒', '钢笔', '订书机', '上衣', '裤子', '棉袜', '丝袜'],
        '单价': [15.0, None, 18.0, 50.0, 35, None, 12.0],
    }
    df = pd.DataFrame(data)
    print("原数据\n", df)
    df1 = df.groupby(['产地']).mean(numeric_only=True)
    print(df1)
    df2 = pd.DataFrame(df.values.T)
    df2 = df2.fillna({1: df1['单价'][0], 5: df1['单价'][1]})
    df = pd.DataFrame(df2.values.T)
    print("填充后\n", df)


def task2():
    data = pd.read_excel("./python1.xlsx", skiprows=4, usecols=(1, 5), skipfooter=12)
    data.columns = ['姓名', '期末']
    print('初始数据'.center(65, '-'), '\n', data)
    d = data.groupby(data['姓名'].str[0]).mean(numeric_only=True)
    print('分组后的数据'.center(65, '-'), '\n', d)
    print('陈姓同学的期末成绩平均值'.center(65, '-'), '\n', d['期末'].get('陈'))
    workbook = opx.load_workbook("./python1.xlsx")
    worksheet = workbook["sheet1"]
    worksheet['F13'] = d['期末'].get('陈')
    l_side = Side(style='dashDot', color=Color(indexed=10))
    r_side = Side(style='thin', color=Color(indexed=59))
    t_side = Side(style='thin', color=Color(indexed=59))
    b_side = Side(style='thin', color=Color(indexed=59))
    for i in range(4, 63):
        worksheet['D' + str(i)].border = Border(top=t_side, bottom=b_side)
        worksheet['I' + str(i)].border = Border(top=t_side, bottom=b_side, right=r_side)
    for i in range(55, 63):
        worksheet['B' + str(i)].border = Border(top=t_side, bottom=b_side)
        worksheet['E' + str(i)].border = Border(top=t_side, bottom=b_side)
        worksheet['F' + str(i)].border = Border(top=t_side, bottom=b_side)
        worksheet['H' + str(i)].border = Border(top=t_side, bottom=b_side)
    workbook.save('python1.xlsx')


def task3():
    data = pd.read_excel("./python2.xlsx", skiprows=1, usecols=(0, 1, 2, 4, 6, 7))
    data.columns = ['姓名', '高等数学', '大学英语', '操作系统', 'Python语言', '计算机组成原理']
    print('初始数据'.center(65, '-'), '\n', data)
    data = data.dropna(axis=0, how='all', subset=None, inplace=False)
    print('删除空行后的数据'.center(65, '-'), '\n', data)
    data = data.fillna({'高等数学': 0, '大学英语': 0, '操作系统': 0, 'Python语言': 0, '计算机组成原理': 0})
    print('填充分数为0后的数据'.center(65, '-'), '\n', data)
    data = data.fillna({'姓名': '张生'})
    print('姓名缺省值用张生填充'.center(65, '-'), '\n', data)
    data.replace({'缺考': 0}, inplace=True)
    data.to_excel('exepython2.xlsx', index=False)


if __name__ == '__main__':
    task1()
    task2()
    task3()