Pandas如何进行缺失值处理_6

import pandas as pd
import numpy as np

"""
本节主要介绍使用pandas进行缺失值处理
"""

path = './test.xlsx'
df = pd.read_excel(path,skiprows=2)  # skiprows=2代表的含义是越过两个空行


# 将温度C去点，并转换为整数
df.loc[:,'bwendu'] = df['bwendu'].astype(str).str.replace('C','').astype('int32')
df.loc[:,'ywendu'] = df['ywendu'].astype(str).str.replace('C','').astype('int32')

# 1.检测空值
value_1 = df.isnull()  # 输出结果是为空就是true
value_2 = df.notnull()  # 输出结果不为空就是true
value_3 = df['bwendu'].isnull()
# 筛选没有空分数的每一行
value_4 = df.loc[df['fenshu'].notnull(),:]

# 2.删除掉全部是空值的列
df.dropna(axis='columns',how='all',inplace=True)  # 按列删除，并且当列所有行都是空值就进行删除，inplace=true即代表修改当前df
# 删除掉全部是空值的行
df.dropna(axis='index',how='all',inplace=True)

# 3.将分数列为空的填充为0分
# 两种方法：1
df.fillna({'分数':0})
# 方法 2
df.loc[:,'分数'] = df['分数'].fillna(0)

# 将姓名的缺失值填充，使用前面的有效值进行填充
df.loc[:,'姓名'] = df['姓名'].fillna(method='ffill')

# 将清洗好的excel进行保存
df.to_excel('./test.csv',index=False)