DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, kwargs)
value:需要用什么值去填充缺失值
axis:确定填充维度，从行开始或是从列开始
method：ffill:用缺失值前面的一个值代替缺失值，如果axis =1，那么就是横向的前面的值替换后面的缺失值，如果axis=0，那么则是上面的值替换下面的缺失值。backfill/bfill，缺失值后面的一个值代替前面的缺失值。注意这个参数不能与value同时出现
limit:确定填充的个数，如果limit=2，则只填充两个缺失值。
df.fillna(axis=1,method='ffill')
df.fillna(axis=1,method='ffill')
df.fillna(0)
1.相关概念空值：在pandas中的空值是""缺失值：在dataframe中为nan或者naT（缺失时间），在series中为none或者nan即可2.判断文件中是否含有缺失/空值#首先读入文件df = pd.read_csv("nba.csv") # 查看每一列是否有NaN：df.isnull().any(axis=0)# 查看每一行是否有NaN：df.isnull().any(axis=1)# 查看所有数据中是否有NaN最快的，没有输出False，反之为True：df.isnul
pandas基于numpy，所以其中的
空值nan和numpy.nan是等价的。
numpy中的nan并不是空对象，其实际上是numpy.float64对象，所以我们不能误认为其是空对象，从而用bool(np.nan)去
判断是否为
空值，这是不对的。
对于
pandas中的
空值，我们该如何
判断，并且有哪些我们容易掉进去的陷阱，即不能用怎么样的方式去
判断呢？
可以
判断pandas中单个
空值对象的方式：
1、利用pd.isnull(),pd.isna();
2、利用np.isnan();
3、利用is表达式；
最近发现，对于pandas中的NaN值是无法直接使用 ==np.nan来判断空值，以为在数学中，inf==inf，而nan != nan，可以通过编写代码中发现下面的情况。
>>> np.nan == np.nan
False
那么我们在判断一个值为空值的可以下面的形式
>>print(np.isnan(np.nan))
可以得知，对空值的判...
转自https://blog.csdn.net/u012387178/article/details/52571725
python pandas判断缺失值一般采用 isnull()，生成的是所有数据的true／false矩阵
1,df.isnull()
元素级别的判断，把对应的所有元素的位置都列出来，元素为空或者NA就显示True，否则就是False
会产生如下结果
2,df...
Pandas 选择NAN的两种办法初始化数据import
pandas as pd
import numpy as npdf = pd.DataFrame(np.random.randn(10,6))df.iloc[1:3,1] = np.nan
df.iloc[5,3] = np.nan
df.iloc[7:9,5] = np.nan
df方法一：# df.T.isnull().any()
pandas中的dropna函数用于删除包含空值或缺失值的行或列。该函数具有以下参数：
- axis：指定删除行还是列，默认为0（删除行）。
- how：指定删除的条件，默认为'any'，表示只要有一个空值或缺失值就删除，也可以设置为'all'，表示只有全部为空值或缺失值才删除。
- thresh：指定每行或每列至少需要有多少个非空值或非缺失值才不被删除。
- subset：指定要检查的列或行的标签。
- inplace：指定是否在原始DataFrame上进行修改，默认为False，即返回一个新的DataFrame。
以下是一个示例，演示了如何使用dropna函数删除包含空值或缺失值的行或列：
```python
import pandas as pd
# 创建一个包含空值的DataFrame
data = {'A': [1, 2, None, 4],
'B': [5, None, 7, 8],
'C': [None, 10, 11, 12]}
df = pd.DataFrame(data)
# 删除包含空值的行
df_dropna_rows = df.dropna()
print("删除包含空值的行：")
print(df_dropna_rows)
# 删除包含空值的列
df_dropna_cols = df.dropna(axis=1)
print("删除包含空值的列：")
print(df_dropna_cols)
