删除含任意空值的行

眼下这玩意儿数据中age、 cabin、embarkeddou有缺失值，Ru果我们直接用df.dropna会删除掉这三列中dou有空值的全部行，但是我们希望只删除age列中有空值的数据，那该怎么处理呢？

Python数据琢磨用的数据

对数据进行排序df.sort_values

直接用df.dropna

用固定值

drop_age_null=titanic_survival.dropna

Python数据琢磨还Neng进行数据筛选，Python中用loc函数配合筛选条件来完成筛选功Neng，配合sum和count函数还Neng实现Excel中sumif和countif函数的功Neng。用的基本上函数是groupby和pivot_table;groupby是进行分类汇总的函数， 用方法比比kan轻巧松，groupby按列名称出现的顺序进行分组。

下面我们基本上聊聊删除缺失值，学一些pandas缺失值删除的操作。

）df.dropna函数删除某个列中含有空值的行

第四、 数据筛选

）df.dropna,舍弃含有任意缺失值的行

#当不指定具体列时统计整个df的缺失值个数

第一、检查数据表

插值法

许多沉索引数据框一边删除行和列时只Neng删除第一层索引和列。

PythonNeng进行数据清洗， Python中处理空值的方法比比kan灵活，Neng用Dropna函数用来删除数据表中包含空值的数据，也Neng用fillna函数对空值进行填充;Python中dtype是查kan数据格式的函数，与之对应的是astype函数，用来geng改数据格式，Rename是geng改列名称的函数，drop_duplicates函数删除再来一次值，replace函数实现数据替换。

回归方法

当数据框有许多沉索引时 删除行时需要设置 level 参数。

删除列也Neng用关键字 del 实现，每次只Neng删除一列，且删除列后原数据发生改变。

默认会删除包含缺失值的全部行。

pandas自定义函数

同样，Neng设置 how , thresh , subset 参数来控制删除缺失列的行为。

设置参数 axis= 或者 axis=columns 删除缺失列。

缺失值处理

删除指定列中含有缺失值的行

缺失值判断及统计pandas.isnull、pandas.isnull

空值统计方法一：df.isnull.sum：

删除再来一次值用 drop_duplicates 方法实现。

一边删除行和列，需要为行用 index 参数，为列用 columns 参数。

Python中用shape函数来查kan数据表的维度，也就是行数以及列数。你Neng用info函数来查kan数据表的整体信息， 用dtype函数来返回数据格式;lsnull是Python中检验空值的函数，Neng对整个数据表进行检查，也Neng单独对某一行进行空值检查，返回的结构是逻辑值，包含空值返回true，不包含则返回false。

#用sort_values函数对指定列排序， 默认升序排序，inplace=True表示在原来的df上排序titanic_survival.sort_values,inplace=True)

#读取数据

titanic_survival.isnull.sum

#等价于titanic_survival.dropna axis=0表示删除行，axis=1表示删除列

当需要根据索引位置删除时Neng用 index 属性来组合完成。

titanic_survival=pd.read_csv

均值/中位数/众数插补

根据列名删除目标列，一边需要设置 axis= 或者 columns 。

根据索引名删除目标行。

drop 方法是pandas中删除行或列的方法。

设置 ignore_index=True Neng对删除再来一次行后的数据索引沉排序。

处理缺失值Neng分为两类：删除缺失值和缺失值插补。而缺失值插补又分为以下几种：

第三、数据提取

通过len函数统计缺失值

进行数据提取时基本上用三个函数：loc、iloc以及ix。Loc函数按标签进行提取，iloc按位置进行提取，ixNeng一边按照标签和位置进行提取。除了按标签和位置提取数据之外 还Neng按照具体的条件进行提取，比如用loc和isin两个函数配合用。

当需要根据列位置删除时Neng用 columns 属性来组合完成。

Zui近邻插补