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

缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。 缺失值的一般处理方法主要有3种：删除、填补和不处理。 应用案例（python）在进行项目分析过程中陆续更新。

在缺失值填补上如果用前后的均值填补中间的均值，比如，0，空，1，我们希望中间填充0.5；或者0，空，空，1，我们希望中间填充0.33，0.67这样。 可以用pandas的函数进行填充，因为这个就是线性插值法 df..interpolate() dd=pd.DataFrame(data=[0,np.nan,np.nan,1]) dd.interpolate() 补充知识：线性插值公式简单推导 以上这篇python线性插值解析就是小编分享给大家的全部内容了，希望能给大家一个参考，也