相关函数

df.dropna()        # 删除缺失值

df.fillna()           # 填充缺失值

df.isnull()           # 判断是否确实值，下同

df.notnull()

df.isna()             

df.notna()

相关概念

缺失值：在dataframe中为nan或者naT（缺失时间），在series中为none或者nan即可，python中的None也会被当作NA处理

注：python中的空字符串并不会被pandas当作缺失值处理，空字符串就只是空字符串

删除缺失值

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

axis:        维度，axis=0纵向处理,axis=1表示横向处理，默认为0

how:        "all"表示这一行或列中的元素全部缺失（为nan）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:    一行或一列中至少出现了thresh个 非缺失值 才删除。

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得列或行不会删除（有axis决定是行还是列）

inplace：是都直接在原数据上进行修改，默认不改变原数据，而是生成新的副本

how，thresh，axis用法示例

subset，axis用法示例

填充缺失值

df.fillna(value=None, method=None, axis=0, inplace=False, limit=None)

value:        用固定值去填充缺失值

axis:          确定填充维度，axis=0纵向处理,axis=1表示横向处理，默认为0

method：  ffill，用缺失值前面的一个值代替缺失值，axis =1时，左方值填充，如果axis=0时，上方值填充

                  backfill/bfill，缺失值后面的一个值代替缺失值。axis =1时，右方值填充，如果axis=0时，下方值填充

limit:           指定填充次数，超过该值时，剩余的缺失值不做处理

>>> df.fillna(value={'name':'NAME', 'addr':'ADDR', 'born':'BORN'})

        name         addr         born

0      Tome        ADDR       BRON

1                      BeiJing      BRON

2      Jack         NewYork   1990-04-25

注：out[260]处注释中“2行name列为空值”应是”1行name列为空值“。手滑打错了...

缺失值判断

isnull()

isna()

notnull()

notna()