【問題描述】

在python中經常會遇到這三個特殊值情況。尤其是匯入資料檔案時，就會遇到這種問題（如csv檔案、資料庫資料等），這些型別的資料在函式中使用需要十分小心。下面對該型別資料進行分析。

【型別分析】

from numpy import NaN
from pandas import Series, DataFrame
import numpy as np
import pandas as pd

type(NaN)
float

type(None)
NoneType

type("")
str

可以看出三種在我們看來都是空值的數值，其變數型別是不同的。

【相關分析】

下面對該型別資料做相關的處理分析：（想到哪算哪）

首先，看pandas中對此類值的處理情況。

• 先構造一個DataFrame

test = {"id":[1,2,3,4,5],"birthday":['2000-01-01','',None,'2000-01-19',NaN],"name":['王菲','莫文蔚',NaN,None,'林宥嘉'],"score":[100,99,NaN,98,None]}
test = pd.DataFrame(test)
test

• 簡單統計計算

test['score'].count()
3
test['score'].sum()
297.0
test['birthday'].count()
3

• 資料型別轉換（初次嘗試）

test['score']=test['score'].astype('int')

這是因為test的score一列中含有空值NaN，所以無法進行這一項操作，為此我們需要先做些其他的操作~

• 空值填充

1. fillna()

        這個函式可以使我們將空值填充為我們想要的任意值，比較常用~

test['name'] = test['name'].fillna('我是空的！')
test['birthday']=test['birthday'].fillna('空空如也！')
test

可以發現：1）fillna支援填入任何你想的值；2）fillna識別的空值是NaN和None

同時，fillna還支援：

        1） 用前一個數據替代：

test_1 = test.fillna(method='pad',limit = 1)

test_2 = test.fillna(method='bfill',limit = 1)

        3）用統計量來替代:

test_2 = test.fillna(test['score'].mean()) 

其中limit代表了允許每一列中多少個NA值被替代~

• 資料型別轉換（二次嘗試）

這次我們先將score一列的值賦值為0，再進行轉換就可以啦~

test['score']=test['score'].fillna(0)
test['score']=test['score'].astype('int')
test

----------------------------分割線，先到這裡哈（2018-6-11）--------------------------------------