pandas中NaN缺失值的处理方法

当我们处理数据的时候，经常会遇到缺失值的情况，这时需要使用pandas提供的一些函数来处理NaN缺失值。下面，我将为大家详细介绍pandas中NaN缺失值的处理方法：

查看缺失值

使用pandas中的isnull()函数可以查看缺失值，该函数会返回一个布尔值的DataFrame，缺失值处为True，否则为False。

import pandas as pd
df = pd.read_csv('data.csv')
print(df.isnull())

删除缺失值

pandas中提供了dropna()函数来删除缺失值。

import pandas as pd
df = pd.read_csv('data.csv')
df = df.dropna() # 删除掉任何包含NaN值的行或列

另外，还可以通过设置axis参数来控制删除行或删除列，默认是删除行。

df = df.dropna(axis=1) # 删除任何包含NaN值的列

填充缺失值

pandas中提供了fillna()函数来填充缺失值。该函数包含多个参数：

• value: 使用该值来填充缺失值。
• method: 插值方法，可以选择ffill向前填充或bfill向后填充。
• axis: 填充方向，0表示按列填充，1表示按行填充。

import pandas as pd
import numpy as np
df = pd.read_csv('data.csv')
# 使用0来填充缺失值
df = df.fillna(value=0)
# 使用平均值来填充缺失值
df = df.fillna(df.mean())
# 向前填充缺失值
df = df.fillna(method='ffill')

以上就是pandas中NaN缺失值的处理方法。接下来，我将给出两个具体的实例：

示例1

假设我们有一个DataFrame，其中包含了某个城市7天的气温数据。有几天的气温数据缺失，我们希望通过平均值来填充缺失值。

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'date': ['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05', '2020-01-06', '2020-01-07'],
    'temperature': [20, 23, np.nan, 21, np.nan, 25, 22]
})
# 使用平均值来填充缺失值
df = df.fillna(df.mean())
print(df)

输出结果如下：

         date  temperature
0  2020-01-01     20.000000
1  2020-01-02     23.000000
2  2020-01-03     22.166667
3  2020-01-04     21.000000
4  2020-01-05     22.166667
5  2020-01-06     25.000000
6  2020-01-07     22.000000

我们可以看到，缺失的气温数据已经被平均值所填充。

示例2

假设我们有一个DataFrame，其中包含销售数据。如果出现了某一天的销售额缺失，我们希望删除该行。

import pandas as pd
df = pd.DataFrame({
    'date': ['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05'],
    'sales': [1000, 2000, 3000, pd.np.nan, 5000]
})
# 删除缺失值
df = df.dropna()
print(df)

输出结果如下：

         date  sales
0  2020-01-01   1000
1  2020-01-02   2000
2  2020-01-03   3000
4  2020-01-05   5000

我们可以看到，缺失的销售额数据所在的行已经被删除。