1. 正常情况下,大家都想处理那些包含null值的情况;
处理方法如下,直接就把所有空值的行删除了
df.dropna()
如果不想删除,只是想替换,那么如何处理呢
(1) 查看付款人数为null值的情况:
print (df[df['付款人数'].isnull()])
(2) 对数据集先进行统计, 命令如下, 查看每一列有多少个空值。
print ('After:', df.isnull().sum())
Before: 商品名 0
价格 0
付款人数 71
店铺 0
发货地址 3
(3) 从上面结果中,看出付款人数有71行为空值,那么把这71行的nan值如何替换呢,如下:
df['付款人数'] = df['付款人数'].replace(np.nan, '0人付款')
替换完成后,再次来验证,结果如下:
print ('After:', df.isnull().sum())
After: 商品名 0
价格 0
付款人数 0
店铺 0
发货地址 3