pandas(四)——处理缺失数据

pandas中使用浮点值NaN表示缺失值,Python内置的None值也会被当做NA处理

pandas中常用的对NA进行处理的方法
dropna:过滤NaN值的一种方法,可以通过法治调节对确实值的容忍度
fillna:用制定值填充缺失数据
isnull:返回一个含有布尔值的对象,这些布尔值表示哪些值是缺失值/NA,该对象的类型与源类型意向
notnull:isnull的否定式

dropna方法将会把行中含有Nan值的所有数据行全部丢弃,我们可以使用how='all'参数使其之丢弃全为NA的那些行,这种方法是对行进行操作,当我们传入axis=1即可使其对列生效

fillna方法传入的参数为字典即可实现对不同的列填充不同的值:
fillna方法默认是返回新对象,但是我们也可以直接对现有的对象进行就地修改:
这个时候我们需要传入inplace=True参数

你可能感兴趣的:(pandas(四)——处理缺失数据)