开发者学堂课程【Python 数据分析库 Pandas 快速入门：处理np.nan类型的缺失值】学习笔记，与课程紧密联系，让用户快速学习知识。

课程地址：https://developer.aliyun.com/learning/course/607/detail/8860

处理np.nan类型的缺失值

如何处理 nan

1.判断数据是否为 NaN : pd.isnull(df),pd.notnull(df)

2.存在缺失值 nan,并且是 np.nan:

删除存在缺失值的:dropna(inplace = False)

-注:不会修改原数据，需要接受返回值。

替换缺失值:fillna(value,inplace=True)

value:替换成的值

inplace:

-True:会修改原数据

-False:不替换修改原数据，生成新的对象

3.不是缺失值 nan，有默认标记的

处理缺失值实例  

第一步：判断是否存在 nan 类型的缺失值

In:

import pandas as pd

movie = pd.read_csv ( " ./IMDB/IMDB-Movie-Data.csv " )

movie.head( )    

Out:

In:

pd .isnul1(movie)

Out:

  //这两种方法中间有省略部分，很难看到缺失值

In:

import numpy as np

np.any ( pd.isnull (movie) )  

Out:

True   //返回 True，说明数据中存在缺失值

In:

np.all ( pd.notnul1 (movie) )  

Out:

False   //返回 False，说明数据中存在缺失值

In:

pd.isnull ( movie ).any ( )Rank

Out:

dtype: bool   //显示每一个字段是否存在缺失值

In:

pd.notnull ( movie).all()

Out:

dtype: bool   //同上

第二步：缺失值处理

方法1∶删除含有缺失值的样本

In:

datal =movie.dropna ()

pd.notnull ( movie ).all()

Out:

In:

pd.notnull ( movie ).all()

Out:

方法2：替换

In:

//含有缺失值的字段

//Revenue (Millions )

//Metascore

movie["Revenue (Millions)"].fillna(movie["Revenue(Millions) " ].mean(), inplace=True)

movie["Metascore"].fillna(movie["Metascore"].mean( ), inplace=True)

In:

pd.notnull ( movie ).all( )   //缺失值已经处理完毕，不存在缺失值

Out: