处理方式：
- 存在缺失值nan,并且是np.nan:
- 删除存在缺失值的:dropna(axis='rows')
- 替换缺失值:fillna(df[].mean(), inplace=True)
- 不是缺失值nan，有默认标记的
1、存在缺失值nan,并且是np.nan
# 判断数据是否为NaN # pd.isnull(df),pd.notnull(df),pd.isna(df) # 读取数据 movie = pd.read_csv("./date/IMDB-Movie-Data.csv") ##第一种 删除 # pandas删除缺失值，使用dropna的前提是，缺失值的类型必须是np.nan # 删除缺失值为np.nan的所在行 movie.dropna() # 第二种 替换缺失值 # 替换存在缺失值的样本 # 替换 填充平均值 movie['Metascore'].fillna(movie['Metascore'].mean(), inplace=True) # 替换 填充自定义值 movie['Metascore'].fillna(11, inplace=True)
2、不是缺失值nan，有默认标记的
-
1、先替换默认标记值为np.nan
df.replace(to_replace=, value=)
-
2、在进行缺失值的处理
# 把一些其它值标记的缺失值，替换成np.nan mm = moive.replace(to_replace='默认值', value=np.nan)
