数据探索与可视化：数据值缺失处理 -上

目录

一.导读

二.数据值缺失处理的简单方法

1.直接剔除法

2.缺失值前后值插补法

3.均值填充法

 三.结尾

一.导读

在上篇我们讲到数据分析有以下步骤：

①数据值缺失处理

②数据描述统计

③数据异常值发现

④数据可视化

⑤分析数据样本距离

那么本篇我们介绍数据值缺失处理的简单方法。

二.数据值缺失处理的简单方法

遇事先导包：

import pandas as pd
import matplotlib.pyplot as plt

1.直接剔除法

直接剔除带有缺失值的行列，通过具体的案例我们做出如下操作：

ocean_data=pd.read_csv(r"C:\Users\asuspc\Desktop\program\data\chap2\热带大气海洋数据.csv")
na_num=pd.isna(ocean_dat