pandas处理缺失值

在实际应用中对于数据进行分析的时候，经常能看见缺失值，下面来介绍一下如何利用pandas来处理缺失值。常见的缺失值处理方式有，过滤、填充。

一、缺失值的判断

pandas使用浮点值NaN(Not a Number)表示浮点数和非浮点数组中的缺失值，同时python内置None值也会被当作是缺失值。

a、Series的缺失值判断

    s = Series(["a","b",np.nan,"c",None])
    print(s)
    '''
    0       a
    1       b
    2     NaN
    3       c
    4    None
    '''
    #判断缺失值,如果是则返回True,否则返回False
    print(s.isnull())
    '''
    0    False
    1    False
    2     True
    3    False
    4     True
    '''
    #输出缺失值的索引和值
    print(s[s.isnull()])
    '''
    2     NaN
    4    None
    '''