零基础入门Python数据分析与机器学习--缺失值的检测

 

对于数值数据，Pandas使用浮点值NaN（Not a Number）表示缺失数据。

在介绍Pandas缺失值的处理之前，首先创建一个不同地区商品退单量的数据集，代码如下：

import numpy as np

import pandas as pd

return = {'春季': [90,87,None,None,90,90],'夏季': [91,89,None,91,88,82],'秋季': [89,None,None,82,85,95],'冬季': [96,83,None,85,99,80]}

return = pd.DataFrame(return, index=['东北', '华东', '华中', '华南','西南','西北'])

运行上述代码，创建的数据集，如下所示。

return

       春季    夏季    秋季    冬季

东北   90.0    91.0   89.0   96.0

华东   87.0    89.0   NaN    83.0

华中    NaN     NaN    NaN   NaN

华南    NaN    91.0   82.0   85.0

西南   90.0    88.0   85.0   99.0

西北   90.0    82.0   95.0   80.0

用isnull()函数判断是否是缺失值，代码和输出如下所示。

return.isnull()

春季    夏季     秋季      冬季

东北   False  False   False    False

华东   False  False   True     False

华中    True  True    True     True

华南    True  False   False    False

西南   False  False   False    False

西北   False  False   False    False