pandas 缺失值与空值处理

1、相关函数

df.dropna()
df.fillna()
df.isnull()
df.isna()

2、相关概念

空值：在pandas中，空值是“”
缺失值：在DataFrame中为NaN或者NaT（缺失时间），在series中为None或者NaN

3、函数解释 dropna

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

函数作用：删除含有空值的行或列
axis：默认为0，axis=0表示行，axis=1表示列

how：‘all’表示这一行或列中的元素全部缺失才删除这一行或列，‘any’表示这一行或列中只要有元素缺失，就删除这一行或列。

thresh：axis中至少有thresh个非缺失值，否则删除。

subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值的列或行不会删除（有axis决定是行还是列）

inplace：筛选过缺失值的新数据是存为副本还是直接在原数据上进行修改。
举例：

df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
                "toy": [np.nan, 'Batmobile', 'Bullwhip'],
                  "born": [pd.NaT, pd.Timestamp("1940-04-25"),pd.NaT]})
 
print(df)

（1）默认参数：删除行，只要有空值就会删除，不替换

print(df.dropna())
print(df)

（2）删除列：

df.dropna(axis=1)

（3）所有值全为缺失值，才删除

df.dropna(how='all')

（4）axis中至少有2个非缺失值，否则删除（默认按行）

df.dropna(thresh=2)

df.dropna(thresh=2,axis=1)

（5）删除这个subset中的含有缺失值的行或列

df.dropna(subset=['toy', 'name'])

4、函数解释 fillna

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

函数作用：填充缺失值
value：需要用什么值去填充缺失值
axis：确定填充维度，从行开始或是从列开始
method：ffill：用缺失值前面的一个值代替缺失值，如果axis=1，就是横向的前面的值替换后面的缺失值，如果axis=0，就是上面的值替换下面的缺失值。
backfill/bfill：缺失值后面的一个值代替缺失值。注意：这个参数不能与value同时出现。
limit：确定填充的个数，如果limit=2，则只填充2个缺失值。
举例：

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                  [3, 4, np.nan, 1],
                 [np.nan, np.nan, np.nan, 5],
                [np.nan, 3, np.nan, 4]],
                 columns=list('ABCD'))
df

（1）横向填充

df.fillna(axis=1, method='ffill')

（2）纵向填充

df.fillna(axis=0, method='ffill')

（3）不指定axis，缺失值全部填充

df.fillna(0)

（4）不同的列用不同的值填充：

values={'A':0, 'B':1, 'C':2, 'D':3}
df.fillna(value=values)

（5）对每列出现的替换值限制次数，限制替换1次

df.fillna(value=values, limit=1)

5、函数解释 isna()

判断是不是缺失值。

df.isna()

isnull()作用同上。

（1）按行检测是否有缺失值：

df.isnull().any(axis=1)

（2）统计缺失值的数量

df.isnull().sum()
df.age.isnull().sum() ## 只展示age这一列的缺失值数量
df.isnull().any().sum() ## 统计共有几列存在缺失值
df.isnull().sum(axis=1) ## 按行统计有几个缺失值

6、替换空值

缺失值是NAN，空值是没有显示。
替换空值：需要把含有空值的那一列提出来单独处理，然后再合并。

df=pd.DataFrame([[np.nan, 2, np.nan, 0], [3,4,'',1], [np.nan, np.nan, np.nan, 5], [np.nan, 3, '', 4]],columns=list('ABCD'))
df

clean_z = df['C'].fillna(0)
clean_z[clean_z=='']='hello'
df['C']=clean_z
df