DataFrame的缺失数据判断和处理（2）

1、前提：加载numpy、pandas、和Series,DataFrame。

生成一个含有缺失值的DataFrame（8*4），命名为df1，如图

2、使用thresh参数过滤缺失值。

df1.dropna(thresh=3)表示至少有3个不是缺失值，

df1.dropna(thresh=4)表示至少有4个不是缺失值，

如图所示

3、使用fillna方法替换缺失值。

df1.fillna(0)表示将所有的缺失值替换为常数0；df1.fillna({'b':1,'c':2,'d':3})表示将‘b’列缺失值替换为1，‘c’列缺失值替换为2，‘d’列缺失值替换为3，（字典可以根据key确定哪一列填充），如图

4、使用method方法进行插值。

df1.fillna(method='bfill')表示对缺失值进行后向填充，

df1.fillna(method='bfill',limit=2)表示对缺失值进行后向填充，同时至多填充2行，如图所示

5、除了填充常数，及填充前后数据，其实还可以填充均值或者最大值等描述性统计。df1.fillna(df1.mean())和df1.fillna(df1.max())分别表示填充每列的均值和最大值，如图

6、如果需要把原来的DataFrame缺失值直接替换掉（修改了原DataFrame），那么需要使用参数inplace=True即可，如图