本篇詳解pandas中缺失值（Missing data handling）處理常用操作。
缺失值處理常用于數(shù)據(jù)分析數(shù)據(jù)清洗階段；Pandas中將如下類(lèi)型定義為缺失值：
NaN: ‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’,
‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘’, ‘N/A’, ‘NA’,
‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’，None

歡迎微信隨緣關(guān)注@pythonic生物人

本文將學(xué)到什么？

1

更好的閱讀體驗(yàn)請(qǐng)戳：Pandas處理缺失值（NA）

---

1、pandas中缺失值注意事項(xiàng)

pandas和numpy中任意兩個(gè)缺失值不相等（np.nan != np.nan）

下圖中兩個(gè)NaN不相等：

In

pandas讀取文件時(shí)那些值被視為缺失值

NaN: ‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’,‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘<NA>’, ‘N/A’, ‘NA’,‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’，None

---

2、pandas缺失值操作

pandas.DataFrame中判斷那些值是缺失值：isna方法

#定義一個(gè)實(shí)驗(yàn)DataFrame

pandas.DataFrame中刪除包含缺失值的行：dropna(axis=0)

In

pandas.DataFrame中刪除包含缺失值的列：dropna(axis=1)

In

pandas.DataFrame中刪除包含缺失值的列和行：dropna(how='any')

In

pandas.DataFrame中刪除全是缺失值的行：dropna(axis=0,how='all')

In

pandas.DataFrame中刪除全是缺失值的列：dropna(axis=1,how='all')

In

pandas.DataFrame中使用某個(gè)值填充缺失值：fillna(某個(gè)值)

In

pandas.DataFrame中使用前一列的值填充缺失值：fillna(axis=1,method='ffill')

#后一列填充為fillna(axis=1,method=bfill')

pandas.DataFrame中使用前一行的值填充缺失值：fillna(axis=0,method='ffill')

#后一行填充為fillna(axis=1,method=bfill')

pandas.DataFrame中使用字典傳值填充指定列的缺失值

In

---

3、參考資料

https://pandas.pydata.org/pandas-docs/stable/reference/frame.html?highlight=missing

---

歡迎微信隨緣關(guān)注@pythonic生物人

總結(jié)

以上是生活随笔為你收集整理的dataframe 一列的不同值_python数据分析包|Pandas-02之缺失值（NA）处理的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。