缺失值的处理

Pandas模块支持对有缺失值的数据进行相关处理。导入相关模块：

import numpy as np

import pandas as pd

df = pd.DataFrame(np.random.randn(4, 5), columns=list("abcde"))

DataFrame的行标记可以通过赋值修改：

df.index = pd.date_range("20000101", periods=4)

df.iloc[[2, 3], [3, 4]] = np.nan

df

可以使用.dropna()方法去掉所有包含缺失值的行，得到一个新的DataFrame：

df.dropna(how="any")

how参数设为“any”表示只要该行有缺失值，就会被去掉，如果换成“all”，则表示只有该行全部缺失时才去掉。.dropna()方法还可以通过axis参数指定对行还是对列进行操作，默认值为0，即对行；如果要对列进行操作，可以将axis参数设为1：

df.dropna(axis=1, how="any")

也可以用.fill_na()方法为缺失值补上默认值：

df.fillna(value=100)

这两种方法都返回一个新的DataFrame对象，对原对象不产生影响：

df