数据分析之Pandas（七）高级处理-缺失值处理

缺失值处理

缺失值是怎么来的？

• 调查问卷：女性的美容方面的问题
  name:
  age: 不愿意透露年龄（收集不到，空值）
  phone: 不愿意透露年龄
  xx:
  yy:
• 它对数据分析有什么影响？
  影响分析准确性
  

如何处理nan

对于NaN的数据，在numpy中我们是如何处理的？在pandas中我们处理起来非常容易

• 判断数据是否为NaN：
  pd.isnull(df)
pd.notnull(df)

处理方式：

• 存在缺失值nan,并且是np.nan:
  1、删除存在缺失值的:dropna(axis='rows')
  注：不会修改原数据，需要接受返回值
  2、替换缺失值:fillna(value, inplace=True)
  value:替换成的值
  inplace:True:会修改原数据，False:不替换修改原数据，生成新的对象
  不是缺失值nan，有默认标记的

电影数据的缺失值处理

• 电影数据文件获取
  链接：