處理方式：

存在缺失值nan,並且是np.nan:

刪除存在缺失值的:dropna(axis='rows')

替換缺失值:fillna(df[].mean(),inplace=True)

不是缺失值nan，有預設標記的

1、存在缺失值nan,並且是np.nan

# 判斷資料是否為NaN
# pd.isnull(df),pd.notnull(df),pd.isna(df)

# 讀取資料
movie = pd.read_csv("./date/IMDB-Movie-Data.csv")

##第一種 刪除
# pandas刪除缺失值，使用dropna的前提是，缺失值的型別必須是np.nan
# 刪除缺失值為np.nan的所在行
movie.dropna()


# 第二種 替換缺失值
# 替換存在缺失值的樣本
# 替換 填充平均值
movie['Metascore'].fillna(movie['Metascore'].mean(),inplace=True)
# 替換 填充自定義值
movie['Metascore'].fillna(11,inplace=True)

2、不是缺失值nan，有預設標記的

1、先替換預設標記值為np.nan

df.replace(to_replace=,value=)

2、在進行缺失值的處理

# 把一些其它值標記的缺失值，替換成np.nan
mm = moive.replace(to_replace='預設值',value=np.nan)

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。