Pandas中处理缺失数据的方法有哪些？

本文共计3857个文字，预计阅读时间需要16分钟。

前言+章节介绍pandas中的缺失数据，主要内容有：+pandas中对np.nan的操作：+统计、删除、填充、插值+pandas中的Nullable类型及相关操作+在无特殊说明时，本章节主要采用的df数据如下

前言

本章介绍pandas中的缺失数据，主要内容有：

• pandas中对np.nan的操作： 统计 、 删除 、 填充 、 插值
• pandas中的Nullable类型及相关操作

在无特殊说明时，本章主要采用的df数据如下，不再重复说明：

df = pd.read_csv('./data/learn_pandas.csv',usecols=['Grade','Name','Gender','Height','Weight','Transfer']) df

一、缺失值的统计和删除

1.缺失值的统计

我们可以使用isna()和isnull()方法来统计数据中的np.nan数据：

df.isna()

返回的是相同形状的数据，对于非np.nan的元素返回 Fasle ，否则返回 True 。