這篇文章主要介紹了pandas 空資料處理方法詳解,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

方法一：直接刪除

1.檢視行或列是否有空格（以下的df為DataFrame型別，axis=0,代表列，axis=1代表行，以下的返回值都是行或列索引加上布林值）

isnull方法

檢視行：df.isnull().any(axis=1)

檢視列：df.isnull().any(axis=0)

notnull方法：

檢視行：df.notnull().all(axis=1)

檢視列：df.notnull().all(axis=0)

例子：

df.isnull().any(axis=1) # 檢測行內是否有空值
0 False
1 True
2 False
3 True
4 False
5 True
6 False
7 True
8 False
9 False
dtype: bool

注意點：以上方法都可以用~取反的辦法獲取相反的結果

2.在1的前提下使用df.loc[]，可取出1中篩選出資料的具體資料如：

df.loc[df.isnull().any(axis=1)]

取出這幾行的索引可用屬性index如:df.loc[df.isnull().any(axis=1)].index

得到這些索引後可以使用drop方法進行刪除如：

注意：drop方法中的axis值與其他方法相反，axis=0表示行，=1表示列。

df.drop(labels=drop_index,axis=0)

總結下來為4步：

一.使用isnull或notnull篩選：df.isnull().any(axis=0)

二.使用loc取出具體資料：df.loc[df.isnull().any(axis=1)]

三：取出這些資料的索引：df.loc[df.isnull().any(axis=1)].index

四.使用drop刪除：df.drop(labels=drop_index,axis=0)

方法二：填充空值

步驟和方法一前幾步相同

isnull()

notnull()

dropna(): 過濾丟失資料（df.dropna() 可以選擇過濾的是行還是列（預設為行）:axis中0表示行，1表示的列）

fillna(): 填充丟失資料（可以選擇自主新增資料，或者用表中原有的資料進行補充）

1.使用dropna(不常用)：df.dropna(axis=0)

2.使用fillna(常用)：

一.df.fillna(value=666)給所有的控制賦值為666

二.df.fillna(method='ffill',axis=0) # axis=0表示在垂直方向填充(axis值：0為垂直，1為水平),使用上方的值對空值進行填充，組合起來就是，使用垂直方向上方的值對當前位置的值進行填充

三.df.fillna(method='bfill',axis=1) # axis=1表示在水平方向填充(axis值為0垂直1為水平),bfill表示使用後面的值對空值進行填充，組合起來就是，使用水平方向右邊的值對當前位置的值進行填充

總結：ffill（前）和bfill（後）決定前或後，axis決定垂直或水平

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。