Pandas数据分析 - 缺失值判断 - isnull()等 用法

numpy用isnan()检查是否存在NaN(Not a Number)。

pandas用.isna()或者.isnull()检查是否存在NaN。

判断缺失值：data.isna() / data.isnull(); data.notna()/ data.notnull()

填充缺失值：data.fillna(value=" ")

删除缺失值：data.dropna()

import numpy as np
import pandas as pd

df=pd.DataFrame(np.ones([5,2]),columns=['col1','col2'])
df['col3']=['a','b','a',np.nan,np.nan]
df['col4']=[3,2,3,np.nan,2]
df=df.reindex(columns=['col3','col4','col1','col2'])  #将新增的一列排在第一列
df


col3	col4	col1	col2
0	a	3.0	1.0	1.0
1	b	2.0	1.0	1.0
2	a	3.0	1.0	1.0
3	NaN	NaN	1.0	1.0
4	NaN	2.0	1.0	1.0

# 元素级别的判断，把对应的所有元素的位置都列出来，元素为空或者NA就显示True，否则就是False
pd.isna(df)/df.isna()


	col3	col4	col1	col2
0	False	False	False	Fals