点击搜索框选项
图一：点击搜索框选项
2、进入搜索菜单后，采用SPSS中统计个案内数值个数的方式来搜索出缺失值。
变量数据输入搜索框中
图二：变量数据输入搜索框中
3、输入变量完成后，点击【确定】软件便会自动检索出缺失值，并且会以图表的方式呈现出来，具体如下图。
得到个案数据处理结果
图三：得到个案数据处理结果
4、检索缺失值完成后，回到数据界面删除缺失值即可。
方法二：替换缺失值
1、在软件工具栏中找到转换菜单，并且点击其中的【替换缺失值】。
点击替换缺失值
图四：点击替换缺失值
2、在替换缺失值中将相关的数据导入后，将所有的记录看成一个序列，然后采用另一种指标对数值进行补充。在这里主要是将变量数据导入到软件中，并且选择合适的数据处理方法，处理方法决定了软件填补数据的方式，不同的处理方法可能会有不同的数值出现。
导入变量以及选择缺失值的处理方式
图五：导入变量以及选择缺失值的处理方式
3、补充数据完成后，点击确定，即可完成缺失值的替换。
在缺失值分析界面中，将相关变量数据导入其中，随后软件便会自动分析相关数据结果，利用回归估算值来提高数据结果的可信度。
二、SPSS缺失值怎么设置
上面说到了SPSS缺失值的几种处理办法，下面来介绍SPSS缺失值怎么设置的具体步骤。
1、首先打开SPSS软件，点击进入变量视图，在其中找到缺失量数据。
通过前面的数据视图得出缺失值的位置
图六：通过前面的数据视图得出缺失值的位置
2、找到缺失值的列数后，用鼠标点击空白部分，便会出现【缺失值设置】的d框。在其中是默认没有缺失值的，但是在其中可以选择设置缺失值，这里有三个框，可以输入三个缺失值。
点击进入缺失值界面
图七：点击进入缺失值界面
3、将相关缺失值输入进数字框。除此之外，还有一个缺失范围值，如果数据太多，有一些范围是我们排除在外的，这时就需要填写一个范围，而且还可以添加一个离散缺失值。离散缺失值的设置就可以依照数据的具体状况来设置，这里就设置0，10，1为离散缺失值。
为数据视图添加离散缺失值
图八：为数据视图添加离散缺失值
4、添加完成后点击确定即可，缺失值就会被添加在原本的数据中。
缺失数据
1 缺失值的统计和删除
1.1 缺失信息的统计
缺失数据可以使用 isna 或 isnull （两个函数没有区别）来查看每个单元格是否缺失，通过和 sum 的组合可以计算出每列缺失值的比例。
如果想要查看某一列缺失或者非缺失的行，可以利用 Series 上的 isna 或者 notna 进行布尔索引。例如，查看身高缺失的行：
如果想要同时对几个列，检索出全部为缺失或者至少有一个缺失或者没有缺失的行，可以使用 isna, notna 和any, all 的组合。例如，对身高、体重和转系情况这 3 列分别进行这三种情况的检索
1.2 缺失信息的删除
数据处理中经常需要根据缺失值的大小、比例或其他特征来进行行样本或列特征的删除，pandas 中提供了dropna 函数来进行 *** 作。
dropna 的主要参数为轴方向 axis （默认为 0，即删除行）、删除方式 how 、删除的非缺失值个数阈值 thresh（非缺失值没有达到这个数量的相应维度会被删除）、备选的删除子集 subset ，其中 how 主要有 any 和 all两种参数可以选择。
2 缺失值的填充和插值
2.1 利用 fillna 进行填充
在 fillna 中有三个参数是常用的：value, method, limit 。其中，value 为填充值，可以是标量，也可以是索引到元素的字典映射；method 为填充方法，有用前面的元素填充 ffill 和用后面的元素填充 bfill 两种类型，limit 参数表示连续缺失值的最大填充次数。
2.2 插值函数
在关于 interpolate 函数的 文档 描述中，列举了许多插值法，包括了大量 Scipy 中的方法。由于很多插值方法涉及到比较复杂的数学知识，因此这里只讨论比较常用且简单的三类情况，即线性插值、最近邻插值和索引插值。
对于 interpolate 而言，除了插值方法（默认为 linear 线性插值）之外，有与 fillna 类似的两个常用参数，一个是控制方向的 limit_direction ，另一个是控制最大连续缺失值插值个数的 limit 。其中，限制插值的方向默认为 forward ，这与 fillna 的 method 中的 ffill 是类似的，若想要后向限制插值或者双向限制插值可以指定为 backward 或 both
关于 polynomial 和 spline 插值的注意事项
在 interpolate 中 如 果 选 用 polynomial 的 插 值 方 法， 它 内 部 调 用 的 是scipy.interpolate.interp1d(*,*,kind=order) ， 这 个 函 数 内 部 调 用 的 是 make_interp_spline方法，因此其实是样条插值而不是类似于 numpy 中的 polyfit 多项式拟合插值；而当选用 spline方法时，pandas 调用的是 scipy.interpolate.UnivariateSpline 而不是普通的样条插值。这一部分的文档描述比较混乱，而且这种参数的设计也是不合理的，当使用这两类插值方法时，用户一定要小心谨慎地根据自己的实际需求选取恰当的插值方法。
3 Nullable 类型
3.1 缺失记号及其缺陷
在 python 中的缺失值用 None 表示，该元素除了等于自己本身之外，与其他任何元素不相等：
在 numpy 中利用 np.nan 来表示缺失值，该元素除了不和其他任何元素相等之外，和自身的比较结果也返回False
值得注意的是，虽然在对缺失序列或表格的元素进行比较 *** 作的时候，np.nan 的对应位置会返回 False ，但是在使用 equals 函数进行两张表或两个序列的相同性检验时，会自动跳过两侧表都是缺失值的位置，直接返回 True ：
在时间序列的对象中，pandas 利用 pd.NaT 来指代缺失值，它的作用和 np.nan 是一致的
那么为什么要引入 pd.NaT 来表示时间对象中的缺失呢？仍然以 np.nan 的形式存放会有什么问题？在 pandas中可以看到 object 类型的对象，而 object 是一种混杂对象类型，如果出现了多个类型的元素同时存储在 Series中，它的类型就会变成 object
NaT 问题的根源来自于 np.nan 的本身是一种浮点类型，而如果浮点和时间类型混合存储，如果不设计新的内置缺失类型来处理，就会变成含糊不清的 object 类型，这显然是不希望看到的。
同时，由于 np.nan 的浮点性质，如果在一个整数的 Series 中出现缺失，那么其类型会转变为 float64 ；而如果在一个布尔类型的序列中出现缺失，那么其类型就会转为 object 而不是 bool
因此，在进入 1.0.0 版本后，pandas 尝试设计了一种新的缺失类型 pd.NA 以及三种 Nullable 序列类型来应对这些缺陷，它们分别是 Int, boolean 和 string 。
3.2 Nullable 类型的性质
从字面意义上看 Nullable 就是可空的，言下之意就是序列类型不受缺失值的影响。例如，在上述三个 Nullable类型中存储缺失值，都会转为 pandas 内置的 pd.NA
在 Int 的序列中，返回的结果会尽可能地成为 Nullable 的类型
对于 boolean 类型的序列而言，其和 bool 序列的行为主要有两点区别：
第一点是带有缺失的布尔列表无法进行索引器中的选择，而 boolean 会把缺失值看作 False
第二点是在进行逻辑运算时，bool 类型在缺失处返回的永远是 False ，而 boolean 会根据逻辑运算是否能确定唯一结果来返回相应的值。那什么叫能否确定唯一结果呢？举个简单例子：True | pd.NA 中无论缺失值为什么值，必然返回 True ；False | pd.NA 中的结果会根据缺失值取值的不同而变化，此时返回 pd.NA ；False&pd.NA 中无论缺失值为什么值，必然返回 False 。
3.3 缺失数据的计算和分组
当调用函数 sum, prob 使用加法和乘法的时候，缺失数据等价于被分别视作 0 和 1，即不改变原来的计算结果
当使用累计函数时，会自动跳过缺失值所处的位置：
当进行单个标量运算的时候，除了 np.nan ** 0 和 1 ** np.nan 这两种情况为确定的值之外，所有运算结果全为缺失（pd.NA 的行为与此一致），并且 np.nan 在比较 *** 作时一定返回 False ，而 pd.NA 返回 pd.NA
另外需要注意的是，diff, pct_change 这两个函数虽然功能相似，但是对于缺失的处理不同，前者凡是参与缺失计算的部分全部设为了缺失值，而后者缺失值位置会被设为 0% 的变化率
对于一些函数而言，缺失可以作为一个类别处理，例如在 groupby, get_dummies 中可以设置相应的参数来进行增加缺失类别：
4 练习
4.1 Ex1：缺失值与类别的相关性检验
.4.2 Ex2：用回归模型解决分类问题
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）