dataframe缺失值(NaN)处理

dataframe缺失值(NaN)处理

    在进行机器学习的特征工程时，常常需要根据选择的机器学习算法，采用合适的数据预处理方式，特别是对于对于空值(NaN)的处理，常常使人感到困惑。
    一般对于NaN，常常有两种处理方式。第一种——填补。第二种——不处理。
    当你使用sklearn库进行机器学习训练时，一般对于缺失值要求较为严格，因此，需要进行填补，至于填补为何值，则需要根据业务需求进行。
    当你使用lightgbm库一类库进行机器学习训练时，一般不需要处理缺失值，因为这类算法，天然支持缺失值处理，它会将缺失值单独分为一类。
    本人认为，数据的缺失，在实际中是存在一定的业务含义的，例如月收入的缺失，就反应人对于自己收入的不自信，因此在风控领域就存在更容易逾期现象。但此时若是进行均值的缺失值填补，则会使该业务含义消失，因此我觉得是不可取的。
     数据的特征工程决定数据质量，数据质量决定模型效果上限，模型参数决定训练的模型能否逼近理论模型，特征工程的难易复杂程度决定模型最终上线的工作量。
（以上为本人的一点点见解）

    判断缺失值的函数有：np.isnan()/ pd.isna()/pd.isnull()。
    np.isnan()：一般用于单个值，也可以用于Series或者DataFrame，但是这里存在一个坑，np.isnan()判断datetime类型的Series或者DataFrame会报错。

    pd.isna()和pd.isnull()：用的比较多，一般推荐使用pd.isna()

s1 = pd.Series([1,2