数据预处理—缺失值处理

首先生成一个带有缺失值的表

data = pd.DataFrame({'A':[1,2,None],"B":[4,None,6],'C':[None,8,9]})

缺失值查看

使用isna()或Isnull()函数，会有在有缺失的位置上显示True；也可以使用.isna().any()，有缺失值列将会返回True

data.isna()

缺失值删除

使用dropna()函数。该函数默认删除含有缺失值的行，运行后返回删除后的数据。如果要删除空白行，只要传入一个参数how=’all’即可；如果要删除指定列位置有缺失值的行，可以传入subset=[‘column name1’, ‘column name2’]。例如，删除A列和C列有缺失值的行。

data.dropna(subset=['A','C'])

缺失值填充

使用fillna()函数，在括号中输入要填充的值即可。如果要对指定列进行填充，需要在括号中指定列名。例如，只对A列和C列缺失值进行填充。

data.fillna({'A':3.0,'C':7.0})