python缺失值处理

        在数据分析和数据挖掘处理中常常会发现数据中存在缺失值，因此需要对此进行处理。

        工具：Pandas

        数据如下：

        调用 对象.isnull()函数可以对数据进行缺失值检测，结果如下：

        可以看到，缺失值的地方为True。

        缺失值处理的方式有三种：过滤法、填充法、插值法。

• 过滤法：指当缺失的观测比例非常低时(如5%以内)，直接删除存在缺失的观测，也就是行；或当某些变量的缺失比例非常高时(如85%以上)，直接删除这些缺失的变量，也就是列。

        调用 对象.dropna(axis=0,how='any',thresh=None)：axis=0表示删除行，axis=1表示删除列；how可选any或all，any表示删除带有NaN的行，all表示删除整行数据全为NaN的行；thresh为整数类型，表示删除的条件，如thresh=3表示一行中至少有3个非NaN值时，才将其保留。

• 填充法：指用其他数值填充缺失值。

        调用 对象.fillna(value=None,method=None,axis=None,inplace=False)： value表示用常数填充，比如value=5就是用5填充NaN，也可以用字典进行填充，当然也可以用均值、中位数等进行填充；method可以选择填充方式，pad/ffill表示用前一行非缺失值填充该缺失值，backfill/bfill表示用后一行非缺失值填充该缺失值；inplace=True表示直接修改原对象，inplace=False表示创建一个副本并修改，可以用于赋值，原数据不发生改变。

• 插值法：可以用KNN、拉格朗日等方法补值。