Pandas之四缺失数据处理
在实际的数据处理过程当中，不可避免地会遇到有部分数据缺失。比如在分析股票行情数据时，有部分股票有时会停牌就会出现行情数据缺失的情况。
一般在pandas中将缺失值以 np.nan来表示，其好处是会在计算时忽略，同时其类型是 float，不影响总体数据计算。数据分析时就要处理这些缺失值，pandas提供了缺失数据处理方法，包括删除缺失值、缺失值填充、缺失值判断等。
首先在前文数据上，生成新的dataframe：
; 删除缺失值
使用 .dropna删除缺失值，可以针对整个dataframe，也可以针对某列或某行
1. 从整个df删除缺失值
常用参数 how：any指只要某行存在缺失值，即将该行删除；all指某行全部都是缺失值才删除。
如下图，指定为all时，只删除了 2021-09-07行的数据
; 2. 从某列删除缺失值
将E列的缺失数据删除掉
3. 从某行删除缺失值
将 2021-09-03的缺失数据删除掉
; 缺失值填充
使用 .fillna为缺失值填充数据，可以为dataframe所有缺失值填充数据，也可以为某行或某列填充数据
1. 为df所有缺失值填充数据
; 2. 为某列填充缺失值
选取dataframe中的E列，将其中的缺失值填充为9
3. 为某行填充缺失值
将dataframe中 2021-09-07行的缺失值以9来填充
; 缺失值判断
pandas提供 .isna对缺失值进行判断，若是缺失值返回为True，否则返回False。可以对dataframe所有缺失值进行判断，也可以针对某行或某列做判断
1. 对df所有缺失值进行判断
; 2. 对某列缺失值进行判断
针对dataframe中的E列数据做缺失值判断
3. 对某行缺失值进行判断
选取 2021-09-01与 2021-09-03之间的数据进行缺失值判断
欢迎关注微信公众号：数据研发技术，收获各类数据研发技术干货
Original: https://blog.csdn.net/idiotion/article/details/120306482
Author: 阿坚87
Title: Pandas之四缺失数据处理
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/679863/
转载文章受原作者版权保护。转载请注明原作者出处！