本篇文章为大家展示了使用Pandas怎么处理缺失值，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
判断数据是否为NaN：
pd.isnull(df), pd.notnull(df)
判断缺失值是否存在
np.all(pd.notnull(data)) # 返回false代表有空值 np.any(pd.isnull(data)) #返回true代表有空值
处理方式：
存在缺失值nan,并且是np.nan:
value:替换成的值
inplace:True:会修改原数据，False:不替换修改原数据，生成新的对象
注：不会修改原数据，需要接受返回值
1、删除缺失值:dropna(axis='rows')
2、替换缺失值:fillna(value, inplace=True)
# 替换存在缺失值的样本的两列 # 替换填充平均值，中位数 movie['Revenue (Millions)'].fillna(movie['Revenue (Millions)'].mean(), inplace=True)
不是缺失值nan，有默认标记的
to_replace- 替换前的值—被替换的
value—要修改成的值,上岗的值
再按照是nan的方式处理
将不是nan的值替换成np.nan——df.replace(to_replace,value)
# 把一些其它值标记的缺失值，替换成np.nan wis = wis.replace(to_replace='?', value=np.nan)
SSL报错
wis = pd.read_csv(https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data)
以上数据在读取时，可能会报如下错误
URLError:
解决办法：
# 全局取消证书验证 import ssl ssl._create_default_https_context = ssl._create_unverified_context
上述内容就是使用Pandas怎么处理缺失值，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。
