pandas缺失数据处理

Pandas是一个强大的数据分析工具，可以轻松地处理缺失数据。下面是一些处理缺失数据的方法：

1. 检查缺失数据

import pandas as pd
import numpy as np

# 创建一个包含缺失数据的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [5, np.nan, np.nan], 'C': [1, 2, 3]})

# 检查每列中的缺失数据数量
print(df.isnull().sum())

2. 删除缺失数据

# 删除包含缺失数据的行
df.dropna()

# 删除包含缺失数据的列
df.dropna(axis=1)

# 只删除所有列都是缺失数据的行
df.dropna(how='all')

3. 填充缺失数据

# 使用0填充缺失数据
df.fillna(0)

# 使用平均值填充缺失数据
df.fillna(df.mean())

# 使用前一个非缺失数据填充缺失数据
df.fillna(method='ffill')

# 使用后一个非缺失数据填充缺失数据
df.fillna(method='bfill')