填充缺失值-999 python_详解Pandas 处理缺失值指令大全

前言

运用pandas 库对所得到的数据进行数据清洗，复习一下相关的知识。

1 数据清洗

1.1 处理缺失数据

对于数值型数据，分为缺失值(NAN)和非缺失值，对于缺失值的检测，可以通过Python中pandas库的Series类对象的isnull方法进行检测。

import pandas as pd

import numpy as np

string_data = pd.Series(['Benzema', 'Messi', np.nan, 'Ronaldo'])

string_data.isnull()

对于缺失值，除了np.nan来表示，还可以用None来表示缺失值

string_data = None

1.2 滤除掉缺失数据

1.2.1 对于Series

使用dropna方法将NAN的数据过滤掉。

from numpy import nan as NA

import pandas as pd

data = pd.Series([1,NA,4.5,NA,5])

data.dropna()

另一种方法是使用布尔值索引对NAN数据进行过滤：

data[data.notnull()]

1.2.2 对于DataFrame

dropna()方法对于DataFrame的数据来说，会将含有NAN数据的行全部扔掉。

data = pd.DataFrame([[1., 6.5, 3.], [1., NA, NA],

[NA, NA, NA], [NA, 6.5, 3.]])

data