python数据分析-pandas模块基础知识（5）

呀~博主是正在学习数据分析的一员，记录的是自己学习过程中总结的知识点，肯定有不完善的地方，如有问题可以私聊我改正，共同学习进步。希望大家都能保持学习的热情，坚持自己，不断超越自己！
博客地址：qxi的博客

还是可以先预习下前面的知识点耶：
pandas基础知识(1)
pandas基础知识(2)
pandas基础知识(3)
pandas基础知识(4)

#今天这篇介绍的是如何在DataFrame中处理缺失值（nan值）#
如何处理缺失值？
①对含有nan值的行或者列进行删除操作
用的是dropna(axis='',how='')函数，其中axis=0时逐行操作，删除的是行，axis=1则删除的是列；
how=’any’时表示只要含有nan值，这一行或者这一列就会被删除，how=’all’时表示只有该行或者该列所有值都是nan时才会被删除。

import pandas as pd
import numpy as np
dates=pd.date_range('20130101',periods=6) #生成时间序列
df=pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D'])
df.iloc[0,1]=np.nan
df.iloc[1,2]=np.nan
print(df)
print(df.dropna(axis=0,how='any')) #逐行操作，丢掉的是行
print(df.dropna(axis=1,how='any'))  #逐列操作，丢掉的是列
print(df.dropna(axis=0,how='all'))

运行结果：

        A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23  #原DataFrame
             A     B     C   D
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23  #含有nan的行被删除了
             A   D
2013-01-01   0   3
2013-01-02   4   7
2013-01-03   8  11
2013-01-04  12  15
2013-01-05  16  19
2013-01-06  20  23  含有nan的列被删除了
             A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23 

②利用fillna(value='')函数给nan值填充数据

print(df)
print(df.fillna(value=0)) #给nan值填充数据

运行结果：

            A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23  #原DataFrame
             A     B     C   D
2013-01-01   0   0.0   2.0   3
2013-01-02   4   5.0   0.0   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23  #填充了0

③判断是否有缺失值

print(df)
print(df.isnull()) #判断哪一些是缺失值
print(np.any(df.isnull())==True) #判断是否有缺失值

运行结果：

             A     B     C   D
2013-01-01   0   NaN   2.0   3
2013-01-02   4   5.0   NaN   7
2013-01-03   8   9.0  10.0  11
2013-01-04  12  13.0  14.0  15
2013-01-05  16  17.0  18.0  19
2013-01-06  20  21.0  22.0  23  #原DataFrame
                A      B      C      D
2013-01-01  False   True  False  False
2013-01-02  False  False   True  False
2013-01-03  False  False  False  False
2013-01-04  False  False  False  False
2013-01-05  False  False  False  False
2013-01-06  False  False  False  False  #返回True的是缺失值
True   #该DataFrame中确实有缺失值

这一篇内容相对比较少，但是还是比较实用，经常会遇到的，希望对你们有帮助，记得点赞，关注我哟~