【Pandas】6.1 缺失值

无论是机器学习还是深度学习，在数据预处理阶段经常会遇到对缺失值、离群值以及重复数据的处理。

# 导入所需要的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

本节介绍对缺失值的规范、删除和替换操作。

pandas中缺失值的默认值使用NaN(Not a Number)。python中的内置常数None也看作缺失值处理。

1 缺失值的生成与判断

NaN对象可以使用Numpy数组的常数numpy.nan生成

---

> DataFrame 类的isna方法

---

> pandas 中inf 、-inf的处理

无穷大浮点数inf .pandas 默认不会处理正的inf和-inf,但可以对设置进行更改。

生成方式：(1)python内置float函数；（2）numpy.inf.

pandas中有可以对设置进行变更的选项pd.options属性。使用pd.options.mode.use_inf_as_na来控制是否将inf和-inf作为缺失值来处理(默认False)：

---

>np.nan 与None

在numpy中使用“==”运算符进行比较时，NaN和None（看做NaN,且NaN！ = NaN）是False；python中None是True。

 运算符“==”无法将DataFrame或者Series中的对象提取出来,因此会将所有元素返回False.

---