pandas学习笔记6--基本功能之处理缺失数据

数据中不可避免会出现数据的缺失，pandas提供了几种简单的方式进行缺失值的处理。

处理方法：

dropna方法：默认原始对象不会被修改，dropna后会生成新的对象

对Series会丢弃掉NA值。

而对于DataFrame则会默认丢弃掉含有NaN的行，如果要丢弃含NaN的列，则指定axis=1

若传入how='all'，则会丢弃全是NaN的行，指定axis=1时，则丢弃列

frame
Out[16]: 
     a   b    c    d
st1  1   2  3.0  4.0
st2  5   6  NaN  8.0
st3  9  10  NaN  NaN

frame3
Out[18]: 
        a     b    c     d   e
st1   2.0   4.0  6.0   8.0 NaN
st2  10.0  12.0  NaN  16.0 NaN
st3  18.0  20.0  NaN   NaN NaN
st4   NaN   NaN  NaN   NaN NaN

frame.dropna()
Out[19]: 
     a  b    c    d
st1  1  2  3.0  4.0

frame.dropna(axis=1)
Out[20]: 
     a   b
st1  1   2
st2  5   6
st3  9  10

frame3.dropna(how='all')
Out[21]: 
        a     b    c     d   e
st1   2.0   4.0  6.0   8.0 NaN
st2  10.0  12.0  NaN  16.0 NaN
st3  18.0  20.0  NaN   NaN NaN

frame3.dropna(how='all',axis=1)
Out[22]: 
        a     b    c     d
st1   2.0   4.0  6.0   8.0
st2  10.0  12.0  NaN  16.0
st3  18.0  20.0  NaN   NaN
st4   NaN   NaN  NaN   NaN

fillna方法：默认原始对象不会被修改，填充后生成新的对象

指定填充内容填充NaN值

参数说明：

value：NaN值填充的对象，可以为单个字符，或字典，字典时，其字典索引需与columns索引相同

method:像reindex填充方法相同，默认为ffill。method='ffill'或'pad'，即前向填充，method='bfill'或'backfill'，即后向填充

axis：指定填充的轴方向，即配合method方法使用

inplace：默认为False，不修改原对象，更改为True后，可修改原对象

limit：填充长度限制，即配合method方法使用