以下关于缺失值检测的说法中,正确的是( )
A: null和notnull可以对缺失值进行处理
B: dropna方法既可以删除观测记录,亦可以删除特征
C: fillna方法中用来替换缺失值的值只能是数据框
D: pandas库中的interpolate模块包含了多种插值方法
A: null和notnull可以对缺失值进行处理
B: dropna方法既可以删除观测记录,亦可以删除特征
C: fillna方法中用来替换缺失值的值只能是数据框
D: pandas库中的interpolate模块包含了多种插值方法
举一反三
- 关于缺失值检测的说法正确的是() A: pandas中的interpolate模块包含了多种插值方法 B: null和notnull可以对缺失值进行处理 C: dropna方法既可以删除观测值,也可以删除特征 D: fillna用来替换缺失值的值只能是数据框
- 以下关于缺失值检测的说法中,正确的是 A: null和notnull可以对缺失值进行处理 B: dropna方法可以删除含有空值或缺失值的行或列 C: fillna方法中用来替换缺失值的值只能是数据框 D: 3σ原则没有什么严格的要求，可以检测任意一组数据
- 有关处理缺失值，下面说法正确的是？ A: 通过dropna方法可以判断DataFrame中是否有缺失值 B: fillna用来删除缺失值 C: duplicated方法可以删除多余的重复项 D: 在侦查缺失值中，通过isnull和notnull方法，可以返回布尔值的对象
- 下列选项中,可以用于删除缺失值或空值的方法是(). A: isnull() B: notnull() C: dropna() D: fillna()
- 扩展库pandas中DataFrame对象支持使用dropna()方法丢弃带有缺失值的数据行，或者使用fillna()方法对缺失值进行批量替换，也可以使用loc()、iloc()方法直接对符合条件的数据进行替换。 A: 正确 B: 错误