本文介绍了如何在Python中使用pandas处理数据中的缺失值，包括使用'fillna'函数进行前后填充，以及'replace'函数替换特定值或NaN。重点讲解了'inplace=True'参数的作用。
缺失值处理
# 数据处理，空值用上一期填充
raw_data.fillna(method='pad',inplace=True)https://blog.youkuaiyun.com/weixin_39888018/article/details/110545488
3.填充/替换缺失值
s.fillna(0,inplace = True) 缺失值用0来填充；
df['value1'].fillna(method = 'pad',inplace = True) 缺失值的用pad/ffill之前前一个数据填充；
s.replace(np.nan,'缺失数据',inplace = True) 把np.nan的数据用 ‘缺失数据’来代替；
s.replace([1,2,3],np.nan,inplace = True) 也可以替换多值。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
