报表中pandas缺失值的处理与保留

报表中pandas缺失值的处理与保留

在做一些如金融分析报表的时候，一般既不可以像平常机器学习那样直接dropna将缺失值一删了之，也不能插值。
这时候缺失值的处理就可能比较麻烦。

一、先抛砖引玉说几个pandas1.0之前的常见问题（pandas1.0之后保留了这些，但使用新类型可以避免）：

1、pandas会将数值型缺失值读取为NAN（not a number），日期型缺失值读取为NAT（not a time）。如对于是NAN的变量a可使用pandas的方法pd.isna(a)和类型if a is pd.NaT识别，

注意：能用pandas的内置就用pandas的内置。这种缺失值不要用numpy的方法判断如np.isnan(a)，np.isnat(a)，if a is np.nan，可能会出错。

2、==一般用于判断值是否相等，如判断np.inf，而在判断类型时候非常麻烦，甚至np.nan==np.nan都会返回False。在缺失值判断上用is或用内置方法是更明智的选择，用is如np.nan is np.nan会返回True。

3、pandas中的每一列都是相同类型，所以pandas读入NAN后，可能就模糊了对象原来的类型，这一点在pandas1.0之前需要注意，会造成麻烦：
（1）若那列本应是数值型的：会导致那一列全部变成np.float64，所以有时候年份2021都会在dataframe中显示成2007.0。看着不爽想转为int就会报错：

ValueError: cannot convert float NaN to integer 

但实际上输出到文件的时候不会显示2007后面的小数0；
merge匹配合并表时候，即使年份作为主键也不会比较主键的类型，而是只比较值，所以一个int和一个float是可以放心匹配；

（2）若那列本应是字符型的：会导致那一列全部变成大的对象类型object。

4、缺失值使用方式如下：

if a is pd.NaT:		# 注意不是==pd.NaT
	如果是个日期缺失值，怎么怎么样
if pd.isna(a):
	如果是个数值缺失值，怎么怎么样
if pd.notna(a):
	如果不是数值缺失值，怎么怎么样

部分参考：
《python2与python3中关于对NaN类型数据的判断和转换》

二、正当我准备写下去时候，发现了一篇特好的文章

所以我才说前面作为我的一点感受，只是抛砖引玉。重点是看下面这篇文章，尤其是pandas1.0之后的新特性。链接的文章注意排版有个小问题

s_time = pd.Series([pd.Timestamp('20120101')]*5)s_time

实际上是

s_time = pd.Series([pd.Timestamp('20120101')]*5)
s_time

《收藏|Pandas缺失值处理看这一篇就够了！》