jupyter查找缺失值并进行处理（删除、填充等）代码

在Jupyter Notebook中，使用pandas库操作缺失值（NaN或None）是非常常见的。以下是一些基本的操作：

1. 查找缺失值：

import pandas as pd
df = pd.read_csv('your_file.csv')  # 读取CSV文件
print(df.isnull().sum())  # 打印每列缺失值的数量

这将显示每个列中缺失值的数量。

2. 删除含有缺失值的行或列：

# 删除含有任何缺失值的行
df_cleaned = df.dropna(how='any') 

# 或者仅删除某一列的缺失值
df_cleaned = df.dropna(subset=['column_name']) 

# 删除列
df = df.dropna(axis=1, how='all')  # 删除所有列都存在缺失值的列

`how='any'`表示只要有一个缺失值就删除，`how='all'`则表示只有当一列的所有值都缺失时才删除。

3. 填充缺失值：
- 删除前向填充（ffill）：

df_filled = df.fillna(method='ffill')

- 后向填充（bfill）：

df_filled = df.fillna(method='bfill')

- 指定特定值填充（如0）：

df_filled = df.fillna(0)

- 使用平均值、中位数或其他统计值填充：

mean_value = df['column_name'].mean()
df_filled['column_name'] = df['column_name'].fillna(mean_value)

请注意，选择哪种方法取决于你的数据特性和分析需求。