pandas处理缺失数据

最新推荐文章于 2025-10-30 11:57:18 发布

原创

最新推荐文章于 2025-10-30 11:57:18 发布 · 1.3w 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#python #pandas #数据分析

本文介绍了使用Pandas在Python中处理数据缺失值的方法，包括使用dropna()函数滤除缺失数据，通过fillna()方法填充缺失值，如常数填充、字典填充，以及如何进行值替换。强调fillna()默认返回新对象且支持多种插值方法。

《Python for Data Analysis》

NA处理方法

方法	说明
dropna	根据各标签的值中是否存在缺失数据对轴标签进行过滤，可通过阈值调节对缺失值得容忍度
fillna	用指定值或插值方法（如ffill和bfill）填充缺失数据
isnull	返回一个含有布尔值的对象，这些布尔值表示哪些值是缺失值NA,该对象的类型与源类型一样
notnull	isnull的否定式

滤除缺失数据（dropna）

Series

In [1]: import pandas as pd

In [2]: from pandas import DataFrame, Series

In [3]: import numpy as np

In [4]: from numpy import nan as NA

In [5]: data = Series([1, NA, 3.5, NA,