Pandas中常见的缺失值处理，46张图详解 | 图解Pandas-图文第9篇

01写在前面

大家好，我是阳哥，欢迎来到「Python数据之道」。

今天来跟大家分享《图解Pandas》系列图文内容的 第 9 篇，主要介绍 Pandas 中常见的缺失值数据处理 。

本文是付费阅读文章，付费阅读内容包括《图解Pandas》图文干货内容、可以在电脑端观看的高清视频以及配套的源代码等。

此外，为避免各种不必要的麻烦，微信没有退款机制，付费前请谨慎。

Pandas 是 Python数据分析中用的最多的工具，为了大家能够更好地学习 Pandas，阳哥开始制作一系列 《图解Pandas》 的内容。

《图解Pandas》 最主要的目标，是以视频图解、动态图片等方式呈现，拆解 Pandas 在数据处理过程中的主要知识点，以便大家能进一步了解 Pandas 的使用，形象地介绍 Pandas，进而使大家喜欢上 Pandas 这个工具。

《图解Pandas》图文专题，最新的内容可以点击下面的图片进行查看。

在本文编写时，《图解Pandas》系列已发布的图文如下：

本次主要介绍 Pandas 中常见的缺失值数据处理 ，内容框架如下：

该主题包括 6 期视频，在微信视频号「Python数据之道」中发布的对应视频编号为 029 至 034，大家可以前往观看：

注：本文发布时，在视频号中可以观看视频 029，后续将发布 030 至 034。

在本文后面内容中可以同时观看高清版视频 029 至 034 。

扫描下面的二维码，关注视频号，可以观看《图解Pandas》已发布的所有视频以及及时推送最新的视频：

02常见的缺失值数据处理

Python环境

开始之前，按照惯例先介绍下本次内容涉及的Python环境，如下：

• Python 3.8

• Pandas 1.4.1

• numpy 1.22.3

我是在 jupyter notebook 中运行代码的，首先引入相关 Python 库：

import pandas as pd
import numpy as np

print(f'pandas version:{pd.__version__}')
print(f'numpy version:{np.__version__}')

# pandas version:1.4.1
# numpy version:1.22.3

创建数据

咱们先来创建一个dataframe，也就是“数据框”。

关于创建数据对象的详细介绍，大家可以观看 「图解Pandas」系列的第2期视频。

创建 df 如下：

df = pd.DataFrame(
    [
        [3, 8, 31],
        [np.nan, np.nan, 2],
        [np.nan, np.nan, np.nan],
        [10, 1, np.nan],
        [5,8,12]
    ],
    columns=list("abc"),
)
df

来看看数据框 “df” 的数据结构，为 5 行 3 列，数值类型包括 NA值和整型。后续，会根据需要在该数据框的基础上，创建其他的一些数据框。

在内容介绍过程中，主要是针对数据框介绍各种方法的应用。同时，也需要知道，其中有不少方法，对于 Series 也是适用的。

缺失值类型

咱们先来了解缺失值的类型，也就是在 Pandas 中，哪些数值类型可以作为NA值来处理。

总的来说，在 Pandas 中有4中类型的缺失值：

其中，第一种是 numpy 库中的 nan 值，用代码表述是 np.nan 或 np.NaN。