Pandas中缺失值/NaN值/空值的处理

isna()

释义

筛选为NaN的布尔值，可接受单个标量或者数组

举例

筛选stu_name为NaN的所有行：

df = pd.DataFrame({‘stu_name‘: [‘Tom‘, ‘Tony‘, ‘Jack‘, ‘Jack‘, np.nan], ‘stu_age‘: [16, 16, 15, np.nan, 21]})
print(df)
df1 = df[df[‘stu_name‘].isna()]
print(df1)

fillna()

释义

对NaN值进行填充，官方文档

常用参数

• value：用来填充的值，只能为标量/dict/Series/DataFrame
• method：填充的方式
  • backfill/bfill：用后一个非NaN值填充本NaN值
  • pad/ffill：用前一个非NaN值来填充本Nan值
  • None：用value参数指定的值来填充（默认方式）
• inplace：是否修改原对象

举例

1. 把所有的NaN填充为横杠-

df = pd.DataFrame({‘stu_name‘: [‘Tom‘, ‘Tony‘, ‘Jack‘, ‘Jack‘, np.nan], ‘stu_age‘: [16, 16, 15, np.nan, 21]})
print(df)
df1 = df.fillna(‘-‘)
print(df1)

2. stu_name为NaN的填充为UNKNOWN，stu_age为NaN的填充为-1

df = pd.DataFrame({‘stu_name‘: [‘Tom‘, ‘Tony‘, ‘Jack‘, ‘Jack‘, np.nan], ‘stu_age‘: [16, 16, 15, np.nan, 21]})
print(df)
df2 = df.fillna({‘stu_name‘: ‘UNKNOWN‘, ‘stu_age‘: -1})
print(df2)

Pandas中缺失值/NaN值/空值的处理

原文：https://www.cnblogs.com/convict/p/14882941.html