缺失值处理
当数据中存在缺失值时，可以用其他数值代替缺失值，这里主要用到了Dataframe.fillna()方法。具体的用法如下
1、查看是否有缺失值
首先加载数据，并进行显示数据透视表：
import pandas as pd
data = pd.read_csv("dirty_beer_last.csv")
data1 = pd.pivot_table(data,values=['ibu'],index=['style'],columns=['city'])
data1.head()
结果显示：
查看是否有空值：
data1.isnull()
结果显示
2、选择删除行
将含有空值的行删除：
data1.dropna(axis=0)
结果表明每一行都含有空值
3、选择删除列
data1.dropna(axis=1)
每一列中也都含有空值。
但这种情况不多见，因为我们通常会选择用列来表示一个变量或指标，因此一般不会因为有几个缺失值就删除一个变量或指标。
4、使用字符串代替缺失值
data1.fillna('missing')
5、前一个数据代替
data1.fillna(method='pad')
6、后一个数据代替
data1.fillna(method='bfill'，limit = 1)
用limit = 1限制每列可以替代NaN的数目，上面限制每列只能替代一个NaN值。
7、平均值代替
data1.fillna(data1.mean())
这里选择使用均值替代，当然也可以用其他的描述性统计量来替代空值。
关于缺失值的函数使用就到这里了，希望小张同学的这篇博客能帮到各位小伙伴！！！
Original: https://blog.csdn.net/baidu_41797613/article/details/120535512
Author: sharon@zhang
Title: pandas数据分析之缺失值处理
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/738269/
转载文章受原作者版权保护。转载请注明原作者出处！