pandas处理,填充缺失数据
1、pandas使用浮点值NaN表示浮点和非浮点数组的缺失数据
对于一个Series可以用dropna方法或者通过布尔型索引达到目的
2、对于DataFrame丢弃全NA
丢弃全为NA的那些行
丢弃全为NA的那些列
利用thresh,留下一部分观测数据
thresh=3,表示在行方向上至少有3个非NAN的项保留
填充缺失数据
用fillna的方法,将缺失值替换为常数值
通过一个字典调用fillna实现对不同的列填充不同的值
对reindex有效的那些差值方法也可以用于fillna
fillna函数的参数
value |
用于填充缺失值的标量值或者字典对象
|
method | 插值方式,如果函数调用时未指定其他参数的话默认值fill |
axis | 待填充的轴默认值axis=0 |
inplace | 修改调用这对象而不产生副本 |
limit | (对于前向和后向填充)可以连续填充的最大数量 |