數據不完整在數據分析的過程中很常見。 pandas使用浮點值NaN表示浮點和非浮點數組裡的缺失數據。 pandas使用isnull()和notnull()函數來判斷缺失情況。 對於缺失數據一般處理方法為濾掉或者填充。 濾除缺失數據 對於一個Series，dropna()函數返回一個包含非空數據和索引 ...
數據不完整在數據分析的過程中很常見。 pandas使用浮點值NaN表示浮點和非浮點數組裡的缺失數據。 pandas使用isnull()和notnull()函數來判斷缺失情況。
對於缺失數據一般處理方法為濾掉或者填充。
濾除缺失數據 對於一個Series，dropna()函數返回一個包含非空數據和索引值的Series，例如：
對於DataFrame，dropna()函數同樣會丟掉所有含有空元素的數據，例如：
但是可以指定how='all'，這表示只有行里的數據全部為空時才丟棄，例如：
如果想以同樣的方式按列丟棄，可以傳入axis=1，例如：
填充缺失數據
如果不想丟掉缺失的數據而是想用預設值填充這些空洞，可以使用fillna()函數：
如果不想只以某個標量填充，可以傳入一個字典，對不同的列填充不同的值：
