【Pandas总结】第四节 Pandas 缺失值处理（通过实例进行演示）

核心知识点

一、检测空值: isnull() notnull()

df.isnull() 与 df.notnull() :用于检测dataframe 或者 series

二、删除空值: dropna()

格式：df.dropna(DataFrame, axis='',how='', inplace='')

举例可以参考下面的实例；

三、填充空值: fillna()

格式：df.fillna(value='', method='', axis='',inplace='')

举例可以参考下面的实例；

实例

现实中，经常有一些非常漂亮的Excel, 例如下面的例子中的Excel。 这种Excel虽然好看，但是却不满足数据处理的要求，数据处理时，需要的是一个标准的表格，不包含合并单元格等这些格式； 这就需要我们对数据进行处理，这里举一个例子，供大家参考：

结果对比

处理前： 好看但不好用！

处理后：不好看，但好用！

一、读入数据

data_path=r"E:\VSCODE\2_numpy_pandas\pandas\data.xlsx"
df=pd.read_excel(data_path)
print(df)
1
2
3

二、去掉无用的行

可以看到，读出的数据并非是我们想要的，我们需要的数据只有蓝色区域内，这时我们需要对读入的数据进行处理；首先我们需要把无用的行去掉，这里可以使用pd.read_excel 函数中的参数来修改，详细的内容可以参考：【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解 ， 将代码修改为：

df=pd.read_excel(data_path,skiprows=2)
1

这样处理后，打印的结果为：

三、 去掉全部为空值的列

使用drop.na 来处理全部为空值的列；

df.dropna(axis="columns",how="all",inplace=True)
print(df)
1
2

可以看到，全部为空值的列没有了；

四、 去掉全部为空值的行

与去除列的方式一样，只要将axis的参数改为rows, 即可删除全部为空值的列；代码如下：

df.dropna(axis="rows",how="all",inplace=True)
print(df)
1
2

五、将成绩为NaN的单元格，填充为0

使用fillna() 来处理全部为空值的列；

df = df.fillna({"成绩":0})
print(df)
1
2

六、将缺失的姓名填充

df = df.fillna(method='ffill')
print(df)
1
2

七、保存到excel中

data_path_new = r"E:\VSCODE\2_numpy_pandas\pandas\data_new.xlsx"
df.to_excel(data_path_new)
1
2