Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊電子活頁(yè)5-2從CSV文件中讀取數(shù)據(jù)創(chuàng)建DataFrame對(duì)象并檢查是否存在缺失值【技能訓(xùn)練5-2】從CSV文件中讀取數(shù)據(jù)創(chuàng)建DataFrame對(duì)象并檢查是否存在缺失值【訓(xùn)練要求】CSV文件testData01.csv中的數(shù)據(jù)如表1W所示。表1WCSV文件testData01.csv中的數(shù)據(jù)datehighTlowTAQI2022/1/112--1672022/1/215NA1452022/1/31262122022/1/4NA51042022/1/576542022/1/6na3n/a2022/1/79nana從表1W中的數(shù)據(jù)可以看出，其中包含4種缺失值：NA、na、n/a、--。在JupyterNotebook開(kāi)發(fā)環(huán)境中創(chuàng)建j5-02.ipynb，然后編寫(xiě)代碼基于表1W中的數(shù)據(jù)創(chuàng)建DataFrame對(duì)象，并檢查是否存在缺失值?！緦?shí)施過(guò)程】從CSV文件中讀取數(shù)據(jù)并創(chuàng)建DataFrame對(duì)象的代碼如下：path=r"data\testData01.csv"df2=pd.read_csv(path)df2輸出結(jié)果：輸出指定列數(shù)據(jù)的代碼如下：print(df2['highT'])輸出結(jié)果：012.0115.0212.03NaN47.05na69.0Name:highT,dtype:object判斷指定列是否包含缺失值的代碼如下：print(df2['highT'].isnull())輸出結(jié)果：0False1False2False3True4False5False6FalseName:highT,dtype:bool從代碼print(df2['highT'].isnull())的輸出結(jié)果可以看出：pandas把NA和n/a當(dāng)作缺失值，而沒(méi)有把na當(dāng)作缺失值，這不符合我們的要求，因此從CSV文件中讀取數(shù)據(jù)時(shí)應(yīng)使用na_values參數(shù)指定缺失值類型。從CSV文件中讀取數(shù)據(jù)時(shí)使用na_values參數(shù)指定缺失值類型的代碼如下：path=r"data\testData01.csv"missing_values=["n/a","na","--"]df3=pd.read_csv(path,na_values=missing_values)df3輸出結(jié)果：任選指定列數(shù)據(jù)和判斷指定列是否包含缺失值的代碼如下：print(df3['highT'])print(df3['highT'].isnull())輸出結(jié)果：012.0115.0212.03NaN47.05NaN69.0Name:highT,dtype:float640False1False2Fal