1、pandas对缺失数据的处理
我们的数据缺失通常有两种情况：
1、一种就是空，None等，在pandas是NaN(和np.nan一样)
解决方法：
判断数据是否为NaN：pd.isnull(df),pd.notnull(df)
处理方式1：删除NaN所在的行列dropna (axis=0, how=‘any‘, inplace=False)
处理方式2：填充数据，t.fillna(t.mean()),t.fiallna(t.median()),t.fillna(0)
2、另一种是我们让其为0，蓝色框中
解决方法：
step1、处理为0的数据：t[t==0]=np.nan 当然并不是每次为0的数据都需要处理 计算平均值等情况，nan是不参与计算的，但是0会
step2、然后在对nan进行操作
注意：fiillna(t.mean())填充只针对该nan的列的平均值进行填充
2、常用的统计方法
df["name"].unique()#获取不重复的列表数据 df["name"].mean()#取平均值 df["name"].max()#取最大值 df["name"].min()#取最小值 df["name"].argmin()#取最小值位置 df["name"].argman()#取最大值位置 df["name"].median()#取中位数
原文：https://www.cnblogs.com/ywjfx/p/10839255.html