07.Pandas处理缺失值

Pandas使用这些函数处理缺失值：

1. isnull和notnull：检测是否是空值，可用于df和series

2. dropna:丢弃，删除缺失值

   [axis:](删除行还是列，{0 or ‘index’,1or ‘columns’},default 0)删除行还是列，{0 or ‘index’,1or ‘columns’},default 0

   how:如果等于any则任何值为空都删除，如果等于all则所有值为空值才能删除

   inplace:如果为True则修改当前df，否则返回新的df

3. fillna:填充空值

   value:用于填充的值，可以是单个值，或者字典，（key是列名，value是值）

   method:等于ffill使用前一个不为空的值填充forword fill；等于bfill使用后一个不为空的值填充

   backword fill

   axis:按行还是列填充，{0 or ‘index’,1or ‘columns’}

   inplace:如果为True则修改当前df，否则返回新的df

   演示

   import pandas as pd
   
   #读取excel的时候，忽略前几个空行
   studf=pd.read_excel("-",skiprows=2)#忽略前前两行
   #studf出现空值为NaN
   
   #检测空值
   studf.isnull()
   #返回布尔值，空值为True
   studf["索引列名"].isnull()
   studf.notnull()#功能类似，但是返回布尔值和isnull相反
   #筛选该索引列没有空值的所有行
   studf.loc[studf["索引列名"].notnull(),:]
   
   #删掉全是空值的行和列
   studf.dropna(axis="columns",how='all',inplace=True)#columns替换成index为行
   
   #将空值列填充0
   studf.fillna({"索引":0})
   #上述等同于
   studf.loc[:,'索引']=studf['索引'].fillna(0)
   #若要填充前面有效值，fillna(method="ffill")
   #ffill: forward fill
   
   #保存
   studf.to_excel(",",index=False)