Pandas学习(四)——缺失值处理

常见缺失值处理有两种方法：
1）删除
Nantest1 = test_1
pd.isnull(Nantest1).any()

此时是存在缺失值的
data2 = Nantest1.dropna()
pd.isnull(data2).any()

使用dropna()函数后删除缺失值，此时数据表中不在含有缺失值。
此方法会删除缺失值所在的整行
2）替换
Nantest1["SO2"].fillna(Nantest1["SO2"].mean(),inplace = True)
pd.isnull(Nantest1).any()

使用fillna(value, inplace = True ) 函数替换所有缺失值，替换后数据表中不再有缺失值，此处是以SO2列的中位数替换掉了所有的缺失值。 

Pandas学习(四)——缺失值处理最先出现在Python成神之路。