Pandas中如何详细操作处理数据缺失值的指令汇总？

本文共计1267个文字，预计阅读时间需要6分钟。

前言：使用pandas库对所得到的数据进行数据清洗，复习一下相关的知识。

1. 数据清洗

1.1 处理缺失数据

对于数值型数据，将其分为缺失值（NAN）和非缺失值，对缺失值进行检测，可以通过P进行操作。

前言

运用pandas 库对所得到的数据进行数据清洗，复习一下相关的知识。

1 数据清洗

1.1 处理缺失数据

对于数值型数据，分为缺失值（NAN）和非缺失值，对于缺失值的检测，可以通过Python中pandas库的Series类对象的isnull方法进行检测。

import pandas as pd import numpy as np string_data = pd.Series(['Benzema', 'Messi', np.nan, 'Ronaldo']) string_data.isnull()

对于缺失值，除了np.nan来表示，还可以用None来表示缺失值

string_data = None

1.2 滤除掉缺失数据

1.2.1 对于Series

使用dropna方法将NAN的数据过滤掉。