数据清洗之处理缺失值

缺失数据会在很多数据分析应用中出现，pandas的目标之一就是尽可能无痛地处理缺失值。

一、缺失值的表示

pandas使用浮点值NaN（Not a Number）来表示缺失值：

a = pd.Series(['hello', 'world', np.nan, 'world', 'hello'])
a.isnull()

输出结果：

0    False
1    False
2     True
3    False
4    False
dtype: bool

Python内建的None值在对象数组中也被当作NA处理：

a[0] = None
a.isnull() 

输出结果：

0     True
1    False
2     True
3    False
4    False
dtype: bool

二、缺失值的删除

删除缺失值，主要通过pandas库中的dropna函数完成。
python dropna()用法

三、缺失值的填充

大多数情况下，主要使用fillna方法来补全缺失值。
Python-pandas的fillna()方法-填充空值