前言

Hello，屏幕前的小伙伴們大家好呀，一年又一年，一天又一天，轉瞬之間夢幻般的 2020 年，也即將要過去了，小編先在這提前祝大家：元旦快楽。今天呢給大家分享在用 pandas 做數(shù)據(jù)分析時，遇到缺失值的幾種處理方法。推薦好課：Python 自動化辦公、Python3進階：數(shù)據(jù)分析及可視。

當我們在處理數(shù)據(jù)時，遇到數(shù)值缺失的問題時，pandas 在這方面提供了很全面的方法，主要包括：

• isnull()——找出缺失值；
• notnull()——找出非缺失值；
• dropna()——剔除缺失值；
• fillna()——填充缺失值。具體使用方法請往下看。

一、isnull()

isnull() 用來找出缺失值的位置，返回一個布爾類型的掩碼標記缺失值，下面是案例：

執(zhí)行以上代碼得到數(shù)據(jù)如下：

這里我們可以看到不管我們創(chuàng)建DataFrame時控制用的是np.nan還是None，創(chuàng)建后都會變成NaN。

二、notnull()

notnull()與isnull()正好相反，是找出非空值并用布爾值進行標記，下面是例子：

三、dropna()

dropna()就是字面意思，丟掉缺失值。

DataFrame.dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)

參數(shù)：

• axis：默認為 0，表示刪除行還是列，也可以用“index”和“columns”表示；
• how：{‘any’, ‘all’}, 默認為 ‘any’；any 表示只要該行（列）出現(xiàn)空值就刪除整行（列），all 表示整行（列）都出現(xiàn)空值才會刪除整行（列）；
• thresh：表示刪除非空值小于 thresh 個數(shù)時刪除；
• subset：列表類型，表示哪些列里有空值才刪除行或列；
• inplace：與其他函數(shù)的 inplace 一樣，表示是否覆蓋原 DataFrame。

下面是例子：

四、fillna()

fillna()的作用是填充缺失值

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

參數(shù)：

• value：設置用于填充 DataFrame 的值
• method：默認為 None；設置填充 DataFrame 的方法有：‘backfill’, ‘bfill’, - ‘pad’, ‘ffill’四種，其中‘backfill’和 ‘bfill’是用前面的值填充空缺值，‘pad’和 ‘ffill’是用后面的值填充空缺值
• axis：填充缺失值所沿的軸，與上文的 axis 設置方法一樣
• inplace：是否替換原 DataFrame，與上文的設置方法一樣
• limit：設置被替換值的數(shù)量限制
• downcast：表示向下兼容轉換類型，不常用

下面是例子：