@缺失值处理
df.isnull()#是缺失值返回True,否则范围False
df.isnull().sum()#返回每列包含的缺失值的个数
df.dropna()#直接删除含有缺失值的行
df.dropna(axis = 1)#直接删除含有缺失值的列
df.dropna(how = ‘all’)#只删除全是缺失值的行
df.dropna(thresh = 4)#保留至少有4个缺失值的行
df.dropna(subset = [‘C’])#删除含有缺失值的特定的列
dddf = ddf.dropna(subset=[‘jie_num’],axis=0)#删除含有缺失值的特定的行
datanota = AData[AData[‘marital’].notna()]#删除某列中含有缺失值的行
df的缺失值处理 df.isnull()和df.dropna()
最新推荐文章于 2023-03-02 16:18:34 发布