pandas 空值处理

在 Pandas 中处理空值有几种常见的方法：

1. 删除空值：使用 dropna() 方法可以删除包含空值的行或列。默认情况下，它会删除包含任何空值的行，但你也可以指定删除包含特定列的空值。示例代码如下：

   df.dropna()  # 删除包含任何空值的行
   df.dropna(axis=1)  # 删除包含任何空值的列
   df.dropna(subset=['column_name'])  # 删除特定列中包含空值的行

2. 填充空值：使用 fillna() 方法可以用指定的值填充空值。你可以选择填充整个数据集的空值，或者只填充特定列。示例代码如下：

   df.fillna(value)  # 用指定的值填充整个数据集的空值
   df['column_name'].fillna(value)  # 用指定的值填充特定列的空值

3. 替换空值：使用 replace() 方法可以将特定的空值替换为指定的值。示例代码如下：

   df.replace(to_replace=None, value=None)  # 将特定的空值替换为指定的值

4. 插值填充：使用 interpolate() 方法可以根据已知值对空值进行插值填充。它可以根据不同的插值方法进行填充，例如线性插值、多项式插值等。示例代码如下：

   df.interpolate(method='linear')  # 使用线性插值对空值进行填充

这些方法可以根据你的数据和需求选择合适的处理方式。