一、处理缺失值的四个函数

• ①isnull函数：检测是否是空值，可用于df和series
• ②notnull函数：检测是否是空值，可用于df和series
• ③dropna函数：丢弃、删除缺失值

• ④fillna函数：填充空值

二、使用

1.1 数据样子

未处理前

要清洗后的样式

1.2 处理

①读取表格，跳过两行

import pandas as pd
df = pd.read_excel('./student.xlsx', skiprows=2)
print(df.head())

②检测缺失值

print(df.isnull())
# print(df.notnull())

③删除全是空值的列

 # axis可以写1，how将全部为空，inplace是本表应用
df.dropna(axis='columns', how='all', inplace=True) 
print(df)

④删除全是空值得行

 # axis可以写0，how将全部为空，inplace是本表应用
df.dropna(axis='index', how='all', inplace=True) 
print(df)

⑤将分数列为空的填充为0

# df.fillna({'分数':0})#效果同下
df.loc[:, '分数'] = df['分数'].fillna(0)
print(df)

⑥将姓名的缺失值填充

df.loc[:, '姓名'] = df['姓名'].fillna(method="ffill")#按照上一行自动填充
print(df)

⑦将清洗的表格保存

df.to_excel("./new_student.xlsx", index=False)