python 判断nan_python数据分析包|Pandas02之缺失值（NA）处理

"pythonic生物人"的第55篇分享。

本篇详解pandas中缺失值(Missing data handling)处理常用操作。缺失值处理常用于数据分析数据清洗阶段；Pandas中将如下类型定义为缺失值：NaN: ‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’,‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘’, ‘N/A’, ‘NA’,‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’，None

本文将学到什么

1、pandas中缺失值注意事项pandas和numpy中任意两个缺失值不相等(np.nan \!= np.nan)pandas读取文件时那些值被视为缺失值2、pandas缺失值操作pandas.DataFrame中判断那些值是缺失值：isna方法pandas.DataFrame中删除包含缺失值的行：dropna(axis=0) pandas.DataFrame中删除包含缺失值的列：dropna(axis=1)pandas.DataFrame中删除包含缺失值的列和行：dropna(how='any')pandas.DataFrame中删除全是缺失值的行：dropna(axis=0,how='all')pandas.DataFrame中删除全是缺失值的列：dropna(axis=1,how='all')pandas.DataFrame中使用某个值填充缺失值：fillna(某个值)pandas.DataFrame中使用前一列的值填充缺失值：fillna(axis=1,method='ffill')pandas.DataFrame中使用前一行的值填充缺失值：fillna(axis=0,method='ffill')