处理缺失数据

 

 

 简介

缺失数据（missing data）在大部分数据分析应用中都很常见。pandas的设计目标之一就是让缺失数据的处理任务尽量轻松。

例如， pandas对象上的所有描述统计都排除了缺失数据。

pandas使用浮点值NaN（not a Number）表示浮点和非浮点数组中的缺失数据。它只是一个便于被检测出来的标记而已

 

由于Numpy的数据类型体系中缺乏真正的NA数据类型或定位模式， 所以它是我能想到的最佳解决方案

NA处理方法

 

 判断缺失数据， isnull()

 

 

滤除缺失数据， dropna()

布尔类型索引取值

DataFrame

 面对DataFrame对象， 事情变得复杂了。 你可能希望丢弃全NA或含有NA的行货列。drop默认丢弃任何含有缺失值的行：

 

 丢弃全为NA的行：

 

 丢弃全为NA的列：

 

 

 翻滚数据

 

 

 填充缺失数据  fillna()  ，fillna(0, inplace=True)对现有对象修改

 

fillna value调用一个字典{}作为标量值用于填补缺失值。