工作中少不了各种缺失数据,对其进行处理的方式也可以是各有不同
概览
- dropna : 对缺失数据进行过滤
- fillna :以特定的方式补充缺失数据
- isnull :返回布尔对象
- notnull: isnull的否定
1、删除缺失数据dropna()
import pandas as pd
import numpy as np
data = pd.DataFrame([[2.3, 6.6, 3.7]
工作中少不了各种缺失数据,对其进行处理的方式也可以是各有不同
概览
- dropna : 对缺失数据进行过滤
- fillna :以特定的方式补充缺失数据
- isnull :返回布尔对象
- notnull: isnull的否定
1、删除缺失数据dropna()
import pandas as pd
import numpy as np
data = pd.DataFrame([[2.3, 6.6, 3.7]