dataframe批量替换值_Python缺失值处理

在许多业务数据分析场景中，数据不一定十分完整，总是存在部分缺失值，因此，数据清洗阶段，对缺失值进行处理就显得尤为重要。本文介绍一些缺失值处理的示例，主要用到的库有：pandas、numpy 、sklearn。

1.导入需要的库。

import pandas as pd

import numpy as np

from sklearn.preprocessing import Imputer

2.生成缺失数据。

data=pd.DataFrame({'name':['Kite','Lily','Hanmei','Danny','Bob'],'English':[92,78,np.nan,23,82],'Math':[69,87,91,np.nan,90],'Chinese':[np.nan,78,96,np.nan,75]})

print(data)

3.查看缺失值。

data.isnull()#查看所有缺失值

data.isnull().any()#获取含有缺失值的列

data.isnull().all()#获取全部为NA的列