处理缺失数据

数据分析阶段还包括处理来自我们数据集的缺失数据的能力，在处理缺失的数据时，您作为数据分析师要么放弃包含NaN值的列（dropna方法），要么用整个列条目的均值或模式填充缺失的数据（fillna方法），这个决定是具有重要意义，取决于数据和影响会在我们的结果中产生。

• 删除丢失的数据：
  考虑这是由以下代码生成的DataFrame：

import pandas as pd

# Create a DataFrame

dframe = pd.DataFrame({'Geeks': [23, 24, 22],

'For': [10, 12, np.nan],

'geeks': [0, np.nan, np.nan]},

columns =['Geeks', 'For', 'geeks'])

# This will remove all the

# rows with NAN values

# If axis is not defined then

# it is along rows i.e. axis = 0

dframe.dropna(inplace = True)

print(dframe)

# if axis is equal to 1

dframe.dropna(axis = 1, inplace = True)

print(dframe)

输出：