用dropna()/fillna()来清洗（删除或者填充）DataFrame中的Na数据

我们有时候会得到某些DataFrame数据帧中存在Na的数据，这些数据需要被清洗，我们可以使用dropna()或者fillna()等方法来处理。
dropna()比较简单粗暴，他会把包含Na的那一行删除掉，当然，也可以设置dropna()中的how参数，来设定删除的规则，如how='all’就表示删除全部数据都是Na的哪一行，我们来看一下效果。
代码：

import pandas as pd
dict_data = {
	'student':["Li Lei","Han Meimei","Tom"],
	'score'	:[95,98,92],
	'gender':['M','F','M']
}
DF_data = pd.DataFrame(dict_data,columns=['gender','student','score'],index=['a','b','c'])
reindex_list = ['c','a','b','d']
DF_data = DF_data.reindex(reindex_list)
print(DF_data)
DF_data = DF_data.dropna(how='all')
# DF_data = DF_data.fillna({'gender':'M','student':'unknown','score':0})
print(DF_data)

运行结果如下：

  gender     student  score
c      M         Tom   92.0
a      M      Li Lei   95.0
b      F  Han Meimei   98.0
d    NaN         NaN    NaN
  gender     student  score
c      M         Tom   92.0
a      M      Li Lei   95.0
b      F  Han Meimei   98.0
[Finished in 6.2s]

可以看出，d行因为原部Na，被drop方法删掉了。

我们也可以使用fillna方法来对Na进行填充，一般的，我们可以指定填充的方法，一般用一个字典来制定方法。代码如下：

DF_data = DF_data.fillna({'gender':'M','student':'unknown','score':0})

这样，我们就可以把gender列的Na全部改为M，student列的Na全部改为unknown，score列的Na全部改为0。
运行结果如下：

  gender     student  score
c      M         Tom   92.0
a      M      Li Lei   95.0
b      F  Han Meimei   98.0
d    NaN         NaN    NaN
  gender     student  score
c      M         Tom   92.0
a      M      Li Lei   95.0
b      F  Han Meimei   98.0
d      M     unknown    0.0
[Finished in 5.0s]

当然，我们也可以只填写一个参数，比如fillna(0)，这样所有的Na都被修改为了0.
代码：

DF_data = DF_data.fillna(0)

运行结果：

  gender     student  score
	c      M         Tom   92.0
	a      M      Li Lei   95.0
	b      F  Han Meimei   98.0
	d    NaN         NaN    NaN
	  gender     student  score
	c      M         Tom   92.0
	a      M      Li Lei   95.0
	b      F  Han Meimei   98.0
	d      0           0    0.0
	[Finished in 6.0s]