诚之和:Python Pandas知识点之缺失值处理详解

在数据处理的过程中，我们经常会遇到数据有缺失值的情况，今天我们就来介绍一下在python中如何用Pandas处理数据中的缺失值。

一、什么是缺失值

对数据而言，缺失值分为两种，一种是Pandas中的空值，另一种是自定义的缺失值。

1. Pandas中的空值有三个：np.nan (Not a Number) 、 None 和 pd.NaT(时间格式的空值，注意大小写不能错)，这三个值可以用Pandas中的函数isnull()，notnull()，isna()进行判断。

isnull()和notnull()的结果互为取反，isnull()和isna()的结果一样。对于这三个函数，只需要用其中一个就可以识别出数据中是否有空值。如果数据量较大，再配合numpy中的any()和all()函数就行了。

需要特别注意两点：

• 如果某一列数据全是空值且包含pd.NaT，np.nan和None会自动转换成pd.NaT。
• 空值(np.nan、None、pd.NaT)既不是空字符串""，也不是空格" "。

从Python解释器来看，np.nan的类型是float，None的类型是NoneType，两者在Pandas中都显示为NaN，pd.NaT的类型是Pandas中的NaTType，显示为NaT。而不管是空字符串还是空格，其数据类型都是字符串，Pandas判断的结果不是空值。

2.