数据返回nan_数据基本操作（二）

这一期咱们继续讲讲一些基本的数据操作。不管是从数据源读取的数据，还是自己造的数据，都可能有部分字段部分行缺失。在数据分析过程中，缺失值的处理是一个很重要的操作。Python的DataFrame对于缺失值显示的是NaN。

首先，咱们还是利用上次造的数据。

import pandas as pd

dic={

'math':[88,66,55],

'physics':[99,77,33],

'science':[55,88,65]

}

df=pd.DataFrame(data=dic,index=['student1','student2','student3'])

1、空值判断

isnull()：是否是空值

notnull()：是否不是空值

使用df.isnull()语句会返回数据表中每个字段是否空值的布尔（true/false）判断。

除此之外，我们也可以用df1.notnull().all(axis=1)判断哪一行有空值。

2、空值的删除与填充

dropna(): 删除丢失数据

fillna(): 填充丢失数据

使用df1.dropna()语句删除任意含有空值的行，如果想要删除