DataFrame中的 nan 值的处理方法

1. 删除  所有nan

df.dropna()

#dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

关于dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)参数的说明：

• axis：默认是0，即删除行。1或者columns则是删除列
• how：删除方式。any删除至少有一个NaN的行/列；all删除全部都是NaN的行/列
• thresh：阈值。int，删除的行/列至少有n个NaN值
• subset：列表。columns或者index，只删除指定列/行 
  • df=df.dropna(subset=['列名']）

2. 填充

df['列名1'].fillna(value = 30，inplace=True) 

df.fillna(value = 30，inplace=True) 
# 填充所有nan

• value = 30，用30填补空值
• value = df['列名1'].mean() 均值填充
• value = df['列名1'].median() 中位数填充
• value = df.Mer_min_distance.mode()[0] 众数填充

3. 按列选取没有 nan的部分

df = df[pd.notnull(df['a'])]

4. 按列选取包含 nan的部分

df = df[pd.isnull(df['d'])] # 包含nan的部分

df = df[~pd.isnull(df['d'])] # 不包含nan的部分

5.  不知道是啥，但也能达到 按列提取非nan 的部分

df = df.query('a == a') # a 是列名

参考：

删除DataFrame中某列值为NaN的记录/行

Python数据预处理--缺失值处理

python数据预处理（1）———缺失值处理