如果多数为零，如何处理数据？数据清洗答案

【问题标题】：How to handle data if majority equals zero? Data cleaning如果多数为零，如何处理数据？数据清洗
【发布时间】：2021-11-29 04:17:00
【问题描述】：

我是初学者，我正在探索 TMDB 10000 电影数据集，我发现以下预算和收入列：

b_0 = df[df['budget']==0].shape[0]/df.shape[0]*100
print('percentage of zero budget movies: ',b_0,'%')

零预算电影的百分比：52.425218591808566 %

b_r_0 = df[(df['revenue']==0) & (df['budget']==0)].shape[0]/df.shape[0]*100

零收入和预算电影的百分比：43.26737229636448 %

r_0 = df[df['revenue']==0].shape[0]/df.shape[0]*100
print('percentage of zero revenue movies: ',r_0,'%')

零收入电影的百分比：55.37045559134837 %

我确信预算/收入不能等于零，计算的统计数据（平均值、中位数、四分位数）由于零值而存在偏差，因此我不能将它们用于替换，也不能超过 40%数据。我该如何解决这个问题？

【问题讨论】：

【解决方案1】：

要知道什么是最佳解决方案，您必须了解数据来自的真实世界。

平均数或中位数通常是最好的。

您最好先用 Null 替换零，然后用中值或均值填充 Null。

如果您需要代码来执行此操作，请告诉我

【讨论】：