Pandas数据分析—对缺失值的处理

6.Pandas的对缺失值的处理

---

前言

笔者最近正在学习Pandas数据分析，将自己的学习笔记做成一套系列文章。本节主要记录Pandas对缺失值的处理的方法。

---

一、概述

Pandas使用这些函数来处理缺失值

• isnull和notnull: 检测是否是空值，可用于df和series
• dropna:丢弃，删除缺失值
  1. axis:删除行还是列，{0 or ‘index’,1 or ‘columns’}，默认是0
  2. how: 如果为any则任何值为空都删除，如果等于all，则所有的值为空的时候才进行删除操作
  3. inplace: 为True则修改当前的df，否则返回新的df
• fillnal: 填充空值
  1. value: 用于填充的值，可以是单个值，或者字典(key是列名，value是值)
  2. method： 等于ffill 使用前一个不为空的值填充forword fill; 等于bfill 使用后一个不为空的值填充back fill\
  3. axis：按行还是列填充 {0 or ‘index’,1 or ‘columns’}
  4. inplace: 为True则修改当前的df，否则返回新的df

二、函数的使用实例