【pandas 数据清洗：空值None和缺失值NaN的处理】

目录

1.含义

2.判断方法

3.处理方式

---

1.含义

空值一般表示数据未知、不适用或将在以后添加数据。缺失值是指数据集中某个或某些属性的值是不完整的。

一般空值使用None表示，缺失值使用NaN表示。

None			NaN

2.判断方法

 Pandas中提供了一些用于检查或处理空值和缺失值的函数或方法

• 使用isnull()和notnull()函数可以判断数据集中是否存在空值和缺失值
• 对于缺失数据可以使用dropna()和fillna()方法对缺失值进行删除和填充

关于isnull和notnull的用法可以参考：python isnull()和notnull()用法

3.处理方式

3.1 删除所在行/列

删除含有空值或缺失值的行或列可以使用dropna()方法或drop()方法

关于dropna()方法或drop()方法的使用可以参考：pandas drop()和dropna()函数使用详解

3.2 填充缺失值和空值

填充缺失值和空值的方式有很多种，比如人工填写、热卡填充等，Pandas中的fillna()方法可以实现填充空值或缺失值。

关于fillna()方法的使用可以参考：pandas filna()函数的使用详解