pandas用众数填充缺失值_入门｜零基础《python科学库之pandas》如何处理缺失值（一）？...

前言：

在处理数据的时候你会发现某些数据丢失，这种情况怎么办呢？Pandas 提供了一些方法来发现、剔除、替换数据结构中的缺失值，主要包括以下几种。

• 创建一个布尔类型的掩码标签缺失值。

isnull()

• 与 isnull() 操作相反。

notnull()

• 返回一个剔除缺失值的数据。

dropna()

• 返回一个填充了缺失值的数据副本。

fillna()

一、处理series对象

• 通过dropna滤除缺失数据：

data= pd.Series([1, np.nan, 'hello', None])print(data)data.dropna()

代码结果：

0 11 NaN2 hello3 Nonedtype: object0 12 hellodtype: object

• 通过布尔类型掩码也能滤除缺失对象：

data[data.notnull()]

代码结果：

0 12 hellodtype: object

二、处理DataFrame对象：

在处理DataFrame上使用它们时需要设置一些参数

df= pd.DataFrame([[1, np.nan, 2], [2, 3, 5], [np.nan, 4, 6]])df

​代码结果：

• 默认情况下，dropna() 会剔除所有包含NaN的行或列：

df.dropna()

代码结果：

• dropna() 默认设置是 how='any'​,过滤掉全部为NaN的行或列：

​df.dropna(axis='columns', how='all')

​代码结果：

• 设置按不同的坐标轴剔除缺失值，比如 axis=1(或 axis='columns')会剔除任何包含 缺失值的整列数据

df.dropna(axis='columns')

​代码结果：

• 传入thresh=n过滤掉n行或列：

df.dropna(axis='rows', thresh=3)

代码如下：

fillna()的参数比较多，单独放到下一次讲，如果有什么地方说的不好，欢迎在下面评论留言，如果觉得还可以，可以点击右上角的关注➕转发，私信回复python领取，学习资料一份，如果你想要其他资料也可以私信哦。