在数据分析时我们经常会碰到缺失值。Pandas中为处理缺失值提供了如下函数:
方法 | 说明 |
---|---|
dropna | 基于每一个标签中是否包含缺失值来过滤某个维度的数据,可以手动设置能够承受的阈值 |
fillna | 使用给定的值或者某种内置的填充方法比如 ffill 或 bfill 来填充缺失值 |
isnull | 返回布尔值标明哪些值是缺失值或NA |
notnull | isnull 的反面 |
在数据分析时我们经常会碰到缺失值。Pandas中为处理缺失值提供了如下函数:
方法 | 说明 |
---|---|
dropna | 基于每一个标签中是否包含缺失值来过滤某个维度的数据,可以手动设置能够承受的阈值 |
fillna | 使用给定的值或者某种内置的填充方法比如 ffill 或 bfill 来填充缺失值 |
isnull | 返回布尔值标明哪些值是缺失值或NA |
notnull | isnull 的反面 |