Python：23种Pandas核心操作方法，阿里巴巴二面被血虐

[](

)8.删除缺失数据

df.dropna(axis=0, how=‘any’)

返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。

[](

)9.替换缺失数据

df.replace(to_replace=None, value=None)

使用 value 值代替 Dat

aFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。

[](

)10.检查空值 NaN

pd.isnull(object)

检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。

[](

)11.删除特征

df.drop(‘feature_variable_name’, axis=1)

axis 选择 0 表示行，选择表示列。

[](

)12.将目标类型转换为浮点型

pd.to_numeric(df[“feature_name”], errors=‘coerce’)

将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。

[](

)13.将 DataFrame 转换为 NumPy 数组

df.as_ma