python中pandas库之null值和numpy库之0

null值，即为缺失数据。

• 1 判断是否为NAN

import pandas as pd 
df = pd.read_csv(path)         # path为csv文件路径
df[pd.isnull(df["地市"])]       # 判断df数据中地市一列是否为nan值 

• 2 删除nan值

dropna(axis=0,how="any",inplace=False)  #  axis=0删除行，how="any"表示只要有nan值，就删除；
# how="all"表示一行数据全为nan的删除；
# inplace是否原地修改，inplace=True表示修改df数据，df数据变化
# inplace=Faulse 表不修改df数据
t = df.dropna(axis=0)  # 删除该行数据
t = df.dropna(axis=0,how="any",inplace=False)  # t中数据变化，df不变化
t = df.dropna(axis=0,how="any",inplace=True) # df中数据变化

• 3 填充数据

df.fillna(0)  # 将df数据中的na填充为0
df.fillna(df.mean()) # 将nan值所在列的数据求均值，然后填入nan
df["年龄"].fillna(df["年龄"].mean())   #将"年龄"一列中年龄的均值填入na

• 4 处理为0的数据

import numpy as np
df[df==0] = np.nan    # 将为0的数据填入nan，并非所有的0都要处理，
                      # 因为计算平均的情况，nan不参与计算，但0会参与计算。