dataframe空值插不入oracle,Pandas 对DataFrame的缺失值NA值处理4种方法总结

数据清洗是一项复杂且繁琐的工作，有人说一个分析项目80%的时间都是在清洗数据

数据清洗的目的有两个，第一是通过清洗让数据可用。第二是让数据变的更适合进行后续的分析工作。换句话说就是有”脏”数据要洗，干净的数据也要洗

目录

1. 相关函数

2. 删除缺失值：dropna函数

3. 替换缺失值：fillna函数

4. 判断缺失值：isna函数

5. 判断缺失值：notna函数

1. 相关函数

删除缺失值：df.dropna()

填充缺失值：df.fillna()

判断缺失值：df.isna()

判断缺失值：df.notna()

2. 删除缺失值：dropna函数

dropna参数列表：DataFrame.dropna(self, axis=0, how='any', thresh=None, subset=None, inplace=False)

输入：import numpy as npimport pandas as pddf = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],"toy": [np.nan, 'Batmobile', 'Bullwhip'],"born": [pd.NaT, pd.Timestamp("1940-04-25"),pd.NaT]})# df# name toy born# 0 Alfred NaN NaT# 1 Batman Batmobile