pandas处理丢失数据¶

有两种丢失数据：

• None
• np.nan(NaN)

1. None

None是Python自带的，其类型为python object。因此，None不能参与到任何计算中。

object类型的运算要比int类型的运算慢得多
计算不同数据类型求和时间
%timeit np.arange(1e5,dtype=xxx).sum()

2. np.nan（NaN）

np.nan是浮点类型，能参与到计算中。但计算的结果总是NaN。

但可以使用np.nan*()函数来计算nan，此时视nan为0。

3. pandas中的None与NaN

1) pandas中None与np.nan都视作np.nan¶

 

2) pandas中None与np.nan的操作

　　(1)判断函数

• isnull()
• notnull()
• dropna(): 过滤丢失数据  可以选择过滤的是行还是列（默认为行）
• fillna(): 填充丢失数据  填充函数 Series/DataFrame

对于DataFrame来说，还要选择填充的轴axis。记住，对于DataFrame来说：

• axis=0：index/行
• axis=1：columns/列