6.python高频函数-处理缺失值isnull()、fillna()、dropna()

猿大人007

于 2023-06-15 10:51:41 发布

阅读量907

点赞数

文章标签： python 开发语言

本文链接：https://blog.csdn.net/rojyang/article/details/131223283

版权

前言

如何判断pandas.DataFrame、Series是否包含缺失值NaN以及如何处理缺失值NaN。

Part.1

isnull() 函数

使用 isnull()、isna() 确定每个元素的缺失值如果值为 NaN，则值为 True，如果不是，则值为 False。

读取数据集

panel_data = pd.read_csv("panel.bed", sep="\t")
panel_data:  Chrom      Start          End  Gene  Exon0  chr1  115252169  115252369.0  NRAS   NaN1  chr1  115256380  115256619.0  NRAS   NaN2  chr1   11168333          NaN  MTOR   NaN
print(panel_data.isnull())   Chrom  Start    End   Gene  Exon0  False  False  False  False  True1  False  False  False  False  True2  False  False   True  False  True

Part.2

all() 函数

配合isnull() 函数，判断每一行/列的所有元素是否缺失值。