【pandas使用技巧】pandas中空值的处理方法

在pandas中，可以使用fillna()方法对DataFrame中的空值进行处理。fillna()方法可以接受一个参数，用于指定如何填充空值。以下是一些常用的填充方式：

• 使用固定值填充：fillna(value)
• 使用前一个非空值填充：fillna(method=‘ffill’)
• 使用后一个非空值填充：fillna(method=‘bfill’)
• 使用平均值填充：fillna(df.mean())
• 使用中位数填充：fillna(df.median())

以下是一个示例代码，演示如何使用fillna()方法对DataFrame中的空值进行处理：

import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({'name': ['Tom', 'Jerry', None, 'Mike', 'Tom', 'Jerry'],
                   'score': [80, 90, 85, None, 70, 95]})

# 使用固定值填充空值
df1 = df.fillna(value='Unknown')
print(df1)

# 使用前一个非空值填充空值
df2 = df.fillna(method='ffill')
print(df2)

# 使用后一个非空值填充空值
df3 = df.fillna(method='bfill')
print(df3)

# 使用平均值填充空值
df4 = df.fillna(df.mean())
print(df4)

# 使用中位数填充空值
df5 = df.fillna(df.median())
print(df5)

输出结果为：

    name  score
0    Tom   80.0
1  Jerry   90.0
2    NaN   85.0
3   Mike    NaN
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2  Jerry   85.0
3   Mike   85.0
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2   Mike   85.0
3   Mike   70.0
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2    NaN   85.0
3   Mike   82.5
4    Tom   70.0
5  Jerry   95.0

    name  score
0    Tom   80.0
1  Jerry   90.0
2    NaN   85.0
3   Mike   85.0
4    Tom   70.0
5  Jerry   95.0

在代码中，使用fillna()方法对DataFrame中的空值进行处理，填充方式可以根据实际情况选择。最终输出处理后的DataFrame即可。