该部分为学习笔记,具体内容详见:《利用Python进行数据分析》一书
Python数据分析——数据清洗与准备
一、处理缺失值
1. 过滤缺失值
有多种过滤缺失值的方法。虽然可以使用 pandas.isnull 和布尔值索引手动地过滤缺失值,但 dropna 在过滤缺失值时是非常有用的。
2. 补全缺失值
有时可能需要以多种方式补全“漏洞”,而不是过滤缺失值(也可能丢弃其他数据)。大多数情况下,主要使用 fillna 方法来不全缺失值。调用 fillna 时,可以使用一个常数来替代缺失值。