pandas处理丢失数据

#pandas处理丢失数据## 标题
######Pandas将None和NaN视为可交换的，它们都可以用来指示丢失的数据。
1.None可以代替丢失值(哨兵值)并不适合所有情况，只能用于数组的类型为对象的情况。 None会导致一些聚合操作，比如sum()和min()会报错。
2.NaN 代替丢失值(另外一中哨兵值)一种特殊的浮点型数据，不管什么操作，只要有NaN，结果都为NaN(聚合操作能进行，但结果都是NaN)
3.Numpy提供了一些函数用于聚合运算，可以忽略掉丢失的数据： np.nansum(数组) np.nanmin(数组) np.nanmax(数组)
######Pandas中的None和NaN
1.None和NaN在Pandas有其独特的地位，Pandas同时支持它们，并可以相互转换。
######针对Null值的操作
1.数组.isnull()：用于创建掩码数组
2.数组.notnull()：isnull()的反操作
3.数组.dropna()： 返回过滤后的数据
4.数组.fillna()： 返回填充后的数据
######检测null值
1.数组.isnull()可用于检查null值，返回一个布尔值数组 True为NaN False为有数据

		1.一维数组支持索引(二维数组不支持)


2.数组.notnull()函数跟isnull()函数相反，可用于检查null值，返回一个布尔值数组：False返回NaN True返回有数据

		1.支持一维数组索引(不支持二维数组)同时会自动排除空值

######删除null值
1.数组.dropna()来删除NA值(删除空值)(默认删行)

1.在DataFrame中无法删除单个的值，只能删除(有NaN)整行或者整列数据。

	1.如果axis为columns，则删除出现NA的列


	1.如果axis为rows，则删除出现NA的行


	1.更精细的可以通过参数how和thresh来控制

			1.how的默认值为any(定义的列)， 也就是说任意行或者列只要出现NA值就删除




			1.how如果改为all(全部)，则只有所有行或列值都为NA的时候才会删除。




2.以通过thresh来指定最少保留多少个**非**NA值。

######填充null值
1.数组.fillna()方法，把NaN填充成其他的值(或指定的值)。

	1..数组.fillna(method = ‘ffill’)还可以有一个参数,用前一个值来填充。可以指定填充的轴(axis = 0/1)(默认是列)


	2.数组.fillna(method = ‘bfill’)还可以有一个参数,用后一个值来填充。可以指定填充的轴(axis = 0/1)