pandas中dataframe缺失值处理dropna和fillna，删除带有NAN的行或列
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
功能：使用指定的方法填充NA / NaN值
一定要将inplace = True加入参数，才能让源数据发生改变并保存。
df.fillna(0, inplace = True)
参数：value : 变量, 字典, Series, or DataFrame
用于填充缺失值（例如0），或者指定为每个索引（对于Series）或列（对于DataFrame）使用哪个字典/Serise/DataFrame的值。（不在字典/Series/DataFrame中的值不会被填充）这个值不能是一个列表。
method : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, 默认值 None ; 在Series中使用方法填充空白（‘backfill’, ‘bfill’向前填充，‘pad’, ‘ffill’向后填充）
axis : {0 or ‘index’, 1 or ‘columns’}
inplace : boolean, 默认值 False。如果为Ture,在原地填满。注意：这将修改次对象上的任何其他视图（例如，DataFrame中的列的无复制贴片）
limit : int, 默认值 None； 如果指定了方法，则这是连续的NaN值的前向/后向填充的最大数量。 换句话说，如果连续NaN数量超过这个数字，它将只被部分填充。 如果未指定方法，则这是沿着整个轴的最大数量，其中NaN将被填充。 如果不是无，则必须大于0。
downcast : dict, 默认是 None； 如果可能的话，把 item->dtype 的字典将尝试向下转换为适当的相等类型的字符串（例如，如果可能的话，从float64到int64）
返回：被充满的DataFrame
dropna( )
对于Serial对象
丢弃带有NAN的所有项
data=pd.Series([1,np.nan,5,np.nan])
data
0 1.0
1 NaN
2 5.0
3 NaN
dtype: float64
data.dropna()
0 1.0
2 5.0
dtype: float64
对于DataFrame对象
丢弃带有NAN的行
data=pd.DataFrame([[1,5,9,np.nan],[np.nan,3,7,np.nan],[6,np.nan,2,np.nan]
...: ,[np.nan,np.nan,np.nan,np.nan],[1,2,3,np.nan]])
data
0 1 2 3
0 1.0 5.0 9.0 NaN
1 NaN 3.0 7.0 NaN
2 6.0 NaN 2.0 NaN
3 NaN NaN NaN NaN
4 1.0 2.0 3.0 NaN
data.dropna()
Empty DataFrame
Columns: [0, 1, 2, 3]
Index: []
丢弃所有元素都是NAN的行
data.dropna(how='all')
0 1 2 3
0 1.0 5.0 9.0 NaN
1 NaN 3.0 7.0 NaN
2 6.0 NaN 2.0 NaN
4 1.0 2.0 3.0 NaN
丢弃所有元素都是NAN的列
data.dropna(axis=1,how='all')
0 1 2
0 1.0 5.0 9.0
1 NaN 3.0 7.0
2 6.0 NaN 2.0
3 NaN NaN NaN
4 1.0 2.0 3.0
只保留至少有3个非NAN值的行
data.dropna(thresh=3)
0 1 2 3
0 1.0 5.0 9.0 NaN
4 1.0 2.0 3.0 NaN
fillna( )
以常数替换NAN值
data.fillna(0)
0 1 2 3
0 1.0 5.0 9.0 0.0
1 0.0 3.0 7.0 0.0
2 6.0 0.0 2.0 0.0
3 0.0 0.0 0.0 0.0
4 1.0 2.0 3.0 0.0
后向填充
data.fillna(method='ffill')
0 1 2 3
0 1.0 5.0 9.0 NaN
1 1.0 3.0 7.0 NaN
2 6.0 3.0 2.0 NaN
3 6.0 3.0 2.0 NaN
4 1.0 2.0 3.0 NaN
后项填充且可以连续填充的最大数量为1
data.fillna(method='ffill',limit=1)
0 1 2 3
0 1.0 5.0 9.0 NaN
1 1.0 3.0 7.0 NaN
2 6.0 3.0 2.0 NaN
3 6.0 NaN 2.0 NaN
4 1.0 2.0 3.0 NaN
只替换第一个NAN值
df.fillna(value=values, limit=1)
方法说明
dropna：对缺失的数据进行过滤
fillna：用指定值或插值的方法填充缺失数据
isnull：判断数据是否缺失
not null：isnull的否定式
parameters详解
axis:default 0指行,1为列
how:{‘any’, ‘all’}, default ‘any’指带缺失值的所有行;'all’指清除全是缺失值的行
thresh:int,保留含有int个非空值的行
subset:对特定的列进行缺失值删除处理
inplace: 这个很常见,True表示就地更改