pandas-nan缺失数据的处理-马育民老师

# 介绍

上接 [pandas-nan值，判断是否nan值，选取nan空值、选取非nan空值](https://www.malaoshi.top/show_1IX5K136plvu.html "pandas-nan值，判断是否nan值，选取nan空值、选取非nan空值")

有的数据重要，需要对 **缺失的数据做处理**，才能更好的做数据分析

# 处理空值

### 填充空值
使用指定的方法填充NA / NaN值
DataFrame的方法
[官方api地址](http://pandas.pydata.org/pandas-docs/version/0.24/reference/api/pandas.DataFrame.fillna.html?highlight=fillna#pandas.DataFrame.fillna "官方api地址")
```
fillna(value,method ，inplace )
```
##### 参数：
- value ：要填充的值
- method：
 - pad/ffill：用前一个非缺失值去填充该缺失值
 - backfill/bfill：用下一个非缺失值填充该缺失值
 - None：指定一个值去替换缺失值（缺省默认这种方式）
- inplace ：
 - True：直接修改原对象
 - False：创建一个副本，修改副本，原对象不变（缺省默认）

### 例子
##### 填充0
```
df.filena(0)
```

##### 填充均值
有时填充0没有起到意义，有时填充均值
```
df.filena(df.mean())
```
##### 给age一列填充均值
```
df['Age']=df['Age'].fillna(df['age'].mean())
```

### 删除空值所在的行列
```
dropna(axis=0,how='any',inplace=False)
```
##### 参数
- axis：
 - 0：表示删除行
 - 1：表示删除列
- how：删除方式
 - any：表示只要有一个空就删除
 - all：表示全为空才删除
- inplace：
 - False：修改副本的数据
 - True：修改原对象的数据

##### 例子：
```
df.dropna(axis=0,inplace=True)
```

原文出处：http://www.malaoshi.top/show_1EF3COtum5v5.html