Pandas中处理null的常用方法

1. isnull()和notnull()函数：

isnull()函数用于检查数据是否为null，返回一个布尔值，True表示该数据为null，False表示该数据不为null。

notnull()函数则是isnull()函数的反函数，检查数据是否不为null。

例如，假设我们有一个数据框df，我们可以使用如下代码检查所有数据项是否为null：

df.isnull()

1. dropna()函数：

dropna()函数可以用来删除数据框中含有null的行或列。

默认情况下，dropna()函数删除含有null的所有行（axis=0），但也可以通过设置参数axis=1来删除含有null的所有列。

例如，可以使用如下代码删除数据框df中所有含有null的行：

df.dropna()

1. fillna()函数：

fillna()函数可以用来填充数据框中的null值，通常使用均值、中位数、众数等方法进行填充。

例如，可以使用如下代码将数据框df中的null值填充为0：

df.fillna(0)

1. interpolate()函数：

interpolate()函数可以用来对数据进行插值处理，即根据已有数据推算出缺失数据的值。

例如，可以使用如下代码对数据框df中的null值进行线性插值：

df.interpolate()