在处理缺失值的时候，总会遇到各种问题
目录
1.删除全部为nan的行
2.删除含有nan的行
3.删除全部为nan的列
4. 删除包含nan的列
5.删除指定某一列有nan，这样即可定位到所在行的index，然后对该index进行drop操作即可df[(df[‘open’])].index #定位某一列是否有nan
直接drop对应indx即可删除该行(df[(df[‘open’])].index, inplace=True)
6. df1 = (axis=0, how=‘all’, subset=[‘d’, ‘c’]) #删除指定的两列都是空的行
7.筛选出nan的数据
8.筛选出非nan的数据
9.替换nan值
import pandas as pd
data = pd.read_excel(r'测试数据.xlsx')
print(data)
先看看如下数据
1.删除全部为nan的行
import pandas as pd
data = pd.read_excel(r'测试数据.xlsx')
print(data)
# 删除表中全部为NaN的行
data = (axis=0, how='all')
print(data)
输出：
2.删除含有nan的行
import pandas as pd
data = pd.read_excel(r'测试数据.xlsx')
print(data)
# 删除表中含有NaN的行
data = (axis=0, how='any')
print(data)
输出：
3.删除全部为nan的列
# 删除全部为nan的列
data = (axis=1, how='all')数据如下：
输出：
4. 删除包含nan的列
# 删除包含nan的列
data = (axis=1, how='any')数据如下
输出：
5.删除指定某一列有nan，这样即可定位到所在行的index，然后对该index进行drop操作即可
df[(df[‘open’])].index #定位某一列是否有nan
直接drop对应indx即可删除该行
(df[(df[‘open’])].index, inplace=True)
数据如下:
输出:
6. df1 = (axis=0, how=‘all’, subset=[‘d’, ‘c’]) #删除指定的两列都是空的行
7.筛选出nan的数据
df_nan = df[df['往来单位编号'].isna()]
8.筛选出非nan的数据
df_notnan = df[~df['往来单位编号'].isna()]
9.替换nan值
('', inplace=True) # 将nan替换为'',否则无法保存到MySQL
10.有时候是空字符串的情况
nan_df = df[(df['xxx'].() <= 5) | (df['xxx'].isna())]