python数据处理----处理缺失值（二）

删除缺失值

删除缺失值会损失信息，并不推荐删除，当缺失数据占比较低的时候，可以尝试使用删除缺失值

1. 按行删除

age为NaN的所有行都删了

train1.dropna(subset=['Age'],how='any',inplace=True)

2. 按列删除

train1.drop(['Age'],axis=1)

填充缺失值

• 常量填充

# 把数据表内所有空值填充为0
train_constant.fillna(0,inplace = True)

• 使用统计量替换（缺失值所处列的平均值、中位数、众数）

• 时间序列填充

  1. 用时间序列中空值的上一个非空值填充

  2. 用时间序列中空值的下一个非空值填充

  3. 线性插值方法

添加method参数为ffill，用上一个值填充：

city_day.fillna(method='ffill',inplace=True)

原数据：

填充后：

添加method参数为bfill，用下一个值填充：

city_day.fillna(method='bfill',inplace=True)

原数据：

填充后：