pandas数据清洗 缺失值与空值处理

数据清洗之前，我们必须先明白自己想要干什么，达成怎么样的效果，然后采取对应的方法来实现这个需求。
以下是对数据一些清洗方法介绍：

1. 查看空值

DataFrame.isna()

• DataFrame.isna()判断该表的空值情况
• DataFrame.isna().sum()汇总该表空值情况的个数
• DataFrame.isna().sum().sort_values(ascending=False)按空值个数降序显示

2. 丢弃空值

DataFrame.dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)
丢弃空值：

• axis =0，丢弃含有空值的行；=1，丢弃含有空值的列。
• how ='any'，（行或列）只要有元素为空，就（整行或整列）丢弃；='all'，（行或列）必须满足所有值都为空值，才丢弃（整行或整列）。
• thresh =10,丢弃空值个数大于10的行或者列
• subset =['a','b'],a列（行）或者b列（行）中有空值就丢弃该列（行）。(指定在哪些区域操作，不指定默认是全表)
• inplace = False,生成副本，原表不做改变；=True，在原表里面做出改变

3. 填充空值

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None)

• value =0,用0填充空值。
• method ='ffill',用空值前面的数值填充空值；='bfill',用空值后面的数值填充空值。（和value参数不能共用）。
• asis ='0'，代表行；='1',代表列。
• limit =10,只填充10个空值。
• 后面不用管了。