利用Python進行資料分析(10) pandas基礎: 處理缺失資料

資料不完整在資料分析的過程中很常見。 pandas使用浮點值NaN表示浮點和非浮點數組裡的缺失資料。 pandas使用isnull()和notnull()函數來判斷缺失情況。

對于缺失資料一般處理方法為濾掉或者填充。

濾除缺失資料：dropna()函數

對于一個Series，dropna()函數傳回一個包含非空資料和索引值的Series，例如：

對于DataFrame，dropna()函數同樣會丢掉所有含有空元素的資料，例如：

但是可以指定how='all'，這表示隻有行裡的資料全部為空時才丢棄，例如：

如果想以同樣的方式按列丢棄，可以傳入axis=1，例如：

填充缺失資料：fillna()函數

如果不想丢掉缺失的資料而是想用預設值填充這些空洞，可以使用fillna()函數：

如果不想隻以某個标量填充，可以傳入一個字典，對不同的列填充不同的值：