python drop_python进行数据清理之pandas中的drop用法

好久好久没有更新博客了，之前自学的估计也都忘记差不多了。由于毕业选择从事的行业与自己的兴趣爱好完全两条路，心情也难过了很久，既然入职了就要好好干，仍要保持自己的兴趣，利用业余时间重拾之前的乐趣。

从基本的数据清理学起吧

讲一下drop函数的用法

删除表中的某一行或者某一列更明智的方法是使用drop，它不改变原有的df中的数据，而是可选择性的返回另一个dataframe来存放删除后的数据。

删除无效项

df[df.isnull()] #返回的是个true或false的Series对象（掩码对象），进而筛选出我们需要的特定数据。

df[df.notnull()]

df.dropna()#将所有含有nan项的row删除

df.dropna(axis=1,thresh=3) #将在列的方向上三个为NaN的项删除

df.dropna(how='ALL') #将全部项都是nan的row删除

这里面，print(data.dropna() )和 print(data[data.notnull()] )结果一样

填充空缺项

df.fillna(0)

df.fillna({1:0, 2:0.5}) #对第一列nan值赋0，第二列赋值0.5

df.fillna(method='ffill') #在列方向上以前一个值作为值赋给NaN

method : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None

pad/ffill：用前一个非缺失值去填充该缺失值

backfill/bfill：用下一个非缺失值填充该缺失值

None：指定一个值去替换缺失值

dro