pandas中null值的处理

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