pandas清洗csv表格有空值怎么办

在Pandas中处理CSV表格时，遇到空值（通常表示为NaN或None）是很常见的。Pandas提供了一系列方法来处理空值。这里有一些常用的做法：

1. **检查缺失值**：你可以使用`isnull()`函数检测数据框中是否存在空值，然后使用`sum()`查看每列空值的数量。

   df.isnull().sum()

2. **删除含有空值的行或列**：
- 如果你想删除整行，可以使用`dropna()`方法，指定`axis=0`表示删除行，`how='any'`表示如果一行中有任何缺失值就删除。
- 删除含有特定列的行，可以先筛选出非空值，再选择需要的列。

   df = df.dropna()  # 删除所有含有空值的行
   df = df[df['column_name'].notna()]  # 仅保留某列非空值的行

3. **填充空值**：
- 使用特定值填充，如平均值、中位数、众数等：

     df['column_name'].fillna(df['column_name'].mean(), inplace=True)

- 使用前一列、后一列的值填充，或者向前向后插值：

     df['column_name'].interpolate(inplace=True)

4. **替换特殊标记**：
对于一些特定的标记，比如字符串 'NaN' 或 'NA'，你可以将它们转换为空值再处理。

df.replace('NaN', np.nan, inplace=True)