pandas 中空值处理

一. 相关函数

df.dropna()

df.fillna()

df.isnull() ( df.isna() )

df.notnull()

二. 具体解释

1. df.dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)

函数作用：删除含有空值的行或列

axis：维度，axis=0表示index行,axis=1表示columns列，默认为0

how："all"表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，"any"表示这一行或列中只要有元素缺失，就删除这一行或列

thresh：一行或一列中至少出现了thresh个才删除。

subset：当axis=0时，给定列的索引组成的列表subset = [ ]，这些列中存在空值则删除空值所在的行（当axis=1时相反）

inplace：刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改。

除了上述方法你也可以直接填充 常数 或 字典 来填充缺失值

例 ：df.fillna(0) , df.fillna({‘列标’：填充值})

2. df.fillna( [‘value=None’, ‘method=None’, ‘axis=None’, ‘inplace=False’, ‘limit=None’, ‘downcast=None’, ‘**kwargs’],）

函数作用：填充缺失值

value：需要用什么值去填充缺失值

axis：确定填充维度，从行开始或是从列开始

method：插值方法，如果没有其他参数，默认是‘ffill’ ffill:用缺失值前面的一个值代替缺失值，如果axis =1，那么就是前一列该位置的值替换后面的缺失值，如果axis=0，那么则是前一排该位置的值替换下面的缺失值。backfill/bfill，缺失值后面的一个值代替前面的缺失值。注意这个参数不能与value同时出现

limit：确定每列可填充的个数，如果limit=2，则每列只填充两个缺失值。

3. df.isnull() 或 df.isnull()

函数作用：判断是不是缺失值

df.isnull.sum() ：用于统计缺失值个数

4. df.notnull()

函数作用：同上

df.isnull.sum() ：用于统计非缺失值的个数