Pandas第6章:处理缺失数据
6.1缺失值查看
- isna()、isnull():如果是缺失值则返回True,否则返回False
- notna():如果不是缺失值则返回True,否则返回False
- info():输出整个表所有列的数据类型
- 常用操作:
df.isna().sum() #每列有多少缺失值
df.info() #可以统计缺失值数据还可以获得数据类型
df[df['Physics'].isna()] #查看某列'Physics',有缺失值的所在行
df[df.notna().all(1)] #挑出所有非缺失值的行
df[df.notna().any(1)] #使用all就是全部非缺失值,是any就是至少有一个不是缺失值
6.2缺失值符号
三种符号
-
np.nan
- 特点1: 不等于自己:np.nan 不能通过判断 自己是否等于自己 的方式 捕获,如下:
np.nan == np.nan
- 特点2: 强行转化: