【有书共读】跟老齐学Python 读书笔记5 之处理缺失数据
在我们处理数据时，不可避免地会遇到“缺失”的情况，这时，对包含缺失数据的对象处理时，可能会报错，如图1所示，数据a中有一个空对象（None）,调用sum时报错；而不包含空对象的b则能执行正确的操作。
图1
图2
图3
图4
为了更好地解决这个问题，Pandas提供了更好的方案。Pandas的Series对象，可以自动将None转成NaN,并在计算时摒除NaN数据，因此None就不妨碍计算了，如图5所示。
Pandas还提供了4个针对缺失数据进行操作的函数：
isnull():判断各个元素是否为空，空返回true,否则为false;
notnull()：判断各个元素是否为非空，非空返回true,否则为false;
dropna():删除所有的NaN数据，返回删除特定位置NaN的新对象（原对象不变，返回值可能仍含有空值，与删除规则有关）。
fillna():将NaN数据替换掉，返回替换后的新对象（返回值可能仍含有空值，与填充规则有关）
isnull()和notnull()的用法如图6所示。使用它们还可以实现数据过滤的功能，如图7所示。
图6
图7
Series对象调用Dropna()和fillna()的用法如图8所示
图8
当DataFrame对象调用dropna()和fillna()时，可以指定轴，默认的是沿着0轴的方向，如图9、图10所示。
图9
图10
图11 和图12 给出了这两个方法的说明，从文档中可以看出，使用不同的规则，可以得到删除（替换）全部空值或部分空值的DataFrame对象，原对象保持不变。
图11
图12
投递阿里云等公司10个岗位 >