Python 2.7 iPython Notebook中Credit_History为NaN的数据统计需求

嘿，作为数据科学新手，你这个处理缺失值的思路可比直接硬替换要严谨多啦！针对你的需求，我给你写了具体的Python 2.7代码，适配IPython Notebook环境，一步步来实现：

首先，我们得先把Credit_History列为NaN的行单独筛选出来，这是后续分析的基础：

import pandas as pd

# 假设你的数据集存储在df变量中，先筛选Credit_History为NaN的子集
nan_credit_subset = df[df['Credit_History'].isnull()]

1. 统计非数值型列的各值计数 #

我们先筛选出所有非数值型（一般是object类型）的列，然后逐个用value_counts()统计每个值出现的次数：

# 筛选非数值型列
non_numeric_columns = nan_credit_subset.select_dtypes(include=['object']).columns

# 遍历每一列，输出值计数结果
for col in non_numeric_columns:
    print("列 {} 的值分布：".format(col))
    print(nan_credit_subset[col].value_counts())
    print("-" * 30)  # 分隔线，让输出更清晰

如果想把这些计数结果保存下来（而不是只打印），可以存进一个字典：

non_numeric_counts = {}
for col in non_numeric_columns:
    non_numeric_counts[col] = nan_credit_subset[col].value_counts()

2. 计算数值型列的均值 #

接下来处理数值型列，筛选出int64或float64类型的列，直接用mean()计算均值：

# 筛选数值型列
numeric_columns = nan_credit_subset.select_dtypes(include=['int64', 'float64']).columns

# 计算并输出各数值型列的均值
print("数值型列的均值统计：")
print(nan_credit_subset[numeric_columns].mean())

同样，你可以把均值结果存成一个Series变量，方便后续使用：

numeric_means = nan_credit_subset[numeric_columns].mean()

需要注意的是，如果你用的pandas版本比较旧（适配Python2.7的版本），select_dtypes的语法是兼容的，放心用就行。要是运行时遇到列类型识别的问题，也可以手动指定列名来筛选，比如non_numeric_columns = ['Gender', 'Married', ...]这样。

内容的提问来源于stack exchange，提问作者uharsha33