22-Pandas缺失值的处理技巧

0.本集概览

1.Pandas中缺失值的表征方式及运算处理规则
2.如何发现缺失值
3.如何对缺失值进行丢弃处理
4.如何对缺失值进行填充处理

现实中的数据，往往不如我们在例子中演示的那般干净、整齐，经常会出现数据缺失的现象，今天这一集，我们就来说说Pandas中缺失值的处理方法。

1.缺失值的表征方式

python中采用一种NaN（Not a Number）标签来表示缺失值，NaN本质上是一种浮点数类型：
代码片段：

import pandas as pd
import numpy as np

var = np.array([1, np.nan, 3, 4])
print(var)
print(var.dtype)

运行结果：

[  1.  nan   3.   4.]
float64

运行结果很清楚的表明，NumPy为缺失值选择了一种原生类型的数据类型：浮点型。

2.缺失值的运算处理规则

NaN缺失值类型有一个重要的特性，就是任何数与之运算，其结果都是NaN。
代码片段：

import pandas as pd
import numpy as np

var = np.array([1, 2,