本文介绍了如何使用pandas在Python中处理DataFrame中的缺失值，包括使用fillna()函数将NaN转换为特定值，以及dropna()函数根据全列或部分列的缺失情况删除行。通过实例演示了如何操作，确保数据完整性在数据分析中至关重要。
接前两篇的学习内容
df.loc['20220106','B'] = 2
df.loc['20220103','D'] = np.nan
df.loc['3','B']=np.nan
print(df.fillna(value = 某个值))#将NaN变为该值
print(df.dropna(axis=0,how='all'))#how={'any','all'}
#how为any是该行中有部分为NaN，则整行去掉，all是全部为NaN才去掉，
axis=0值横向，=1为纵向
A B C D
2022-01-01 00:00:00 0.0 1.0 2.0 3.0
2022-01-02 00:00:00 4.0 5.0 6.0 7.0
2022-01-03 00:00:00 8.0 9.0 10.0 1.0
2022-01-04 00:00:00 12.0 13.0 14.0 15.0
2022-01-05 00:00:00 16.0 17.0 18.0 19.0
2022-01-06 00:00:00 20.0 2.0 22.0 23.0
2022-01-07 00:00:00 24.0 25.0 26.0 27.0
2022-01-08 00:00:00 28.0 29.0 30.0 31.0
2022-01-09 00:00:00 32.0 33.0 34.0 35.0
3 1.0 1.0 1.0 1.0
59
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
