pandas中数据缺失值的检测,统计与处理教学
前言 在数据分析的日常工作中，我们几乎总会遇到一个“老朋友”——数据缺失。简单来说，它指的就是数据集中某些特征的值不完整，出现了空缺。 有意思的是，这个“空缺”在不同环境下的“马甲”还不一样：在数据库里它叫 Null，在 Python 里返回 None，而到了 pandas 或 Numpy 的地盘，
前言
在数据分析的日常工作中，我们几乎总会遇到一个“老朋友”——数据缺失。简单来说，它指的就是数据集中某些特征的值不完整，出现了空缺。
有意思的是，这个“空缺”在不同环境下的“马甲”还不一样：在数据库里它叫 Null，在 Python 里返回 None，而到了 pandas 或 Numpy 的地盘，它就变成了 NaN。
这里有个关键点需要厘清：缺失值可不等同于空字符串。空字符串好歹是个有实体的字符串类型，而缺失值则是“无”，本身没有数据类型。
接下来，我们就系统性地梳理一下，在 pandas 这个数据分析利器里，如何检测、统计并最终处理这些恼人的缺失值。
一、缺失值的检测与统计
处理缺失值的第一步，是做到“心中有数”。你得清楚数据里哪些字段有缺失，缺失的比例又有多大。这步的定量分析至关重要。
pandas 为此提供了两把“标尺”：isnull() 用来识别缺失值，notnull() 则用来识别非缺失值。它们返回的都是布尔值（True 或 False）。我们以下面读取的数据为例：
import pandas as pd
df =pd.read_excel('sass.xlsx') # 读取数据
print(df)
查看每列是否有缺失值
想快速了解各列的健康状况？df.isnull().any() 这个方法很管用。返回结果中，True 就代表该列存在缺失值，False 则表示该列完好无损。
print('每列是否存在缺失值：\n', df.isnull().any()) # True表示有缺失，False表示无缺失
显示数据缺失情况、位置
如果想知道缺失值具体藏在哪些单元格，df.isnull() 会给你一张清晰的“藏宝图”。输出结果中，True 标记的就是缺失值的位置。
print('数据缺失值查看：\n', df.isnull()) # True表示缺失，False表示未缺失
统计每列缺失值个数
光知道位置还不够，我们还需要量化问题。将 sum() 函数与 isnull() 或 notnull() 结合，就能轻松统计出每列缺失值的具体数量，从而对数据缺失的分布一目了然。
print('每列数据缺失的个数：\n', df.isnull().sum())
注：notnull() 的用法与 isnull() 完全一致，只是含义相反，用于统计非缺失值的情况。
二、缺失值的处理
直接删除缺失值（删除法）
这是最直接了当的方法：把带有缺失值的行或列整个删掉。听起来简单粗暴，但需要警惕的是，这种方法会直接削减数据特征，有时可能会丢失重要信息。因此，是否采用删除法，得根据数据情况和分析目标慎重决定。
pandas 中的 dropna() 方法就是干这个的，它的语法结构如下：
DataFrame.dropna(self,axis=0,how='any',thresh=None,subset=None,inplace=False)
| 参数 | 释义 |
| axis | 接收0或1，表示轴向，0表示行，1表示列。默认为0 |
| how | 接收特定string,表示删除形式。取值为“any”，表示只要有缺失值就执行删除操作，取值为“all”，表示当且仅当全部为缺失值时才执行删除操作。默认为“any” |
| subset | 接收array,表示根据去重的行/列条件。默认为None，所有行/列 |
| inplace | 接收布尔值，代表操作是否对原数据生效，默认为False |
我们以这份原始数据（df1）来演示：
实例1：删除存在缺失值（NaN）的所有列
df2 =df1.dropna(axis=1)
print('删除存在缺失值的所有列后：\n', df2)
实例2：删除特定字段存在缺失值（NaN）的行。
比如，我们只想删除‘Protein’或‘CHO’这两个字段中任何一个存在缺失值的行。
df3 = df1.dropna(subset=['Protein', 'CHO'])
print('删除特定字段为空的行:\n', df3)
替换补齐缺失值
与直接删除相比，替换补齐是更为常用和灵活的策略。其核心思想是，用一个合理的估计值来填充缺失的部分。
这里的“合理”取决于数据的类型：
- 对于数值型特征，通常采用均值、中位数或众数这类代表集中趋势的统计量来填补。
- 对于类别型特征，则常用该特征的众数（出现最频繁的类别）来填充。
当然，根据具体场景，随机填充、特殊值填充（如用-999表示缺失）乃至使用预测模型进行填充，也都是可选的方法。
Pandas 的 fillna() 方法为此提供了强大支持，其语法如下：
DataFrame.fillna(value=None,method=None,axis=1,inplace=False,limit=None)
| 参数 | 释义 |
| value | 接收dict、DataFrame等类型数据，表示用来替换缺失值的值。无默认值 |
| method | 接收特定string：（1）取值为“backfill”或“bfill”,表示使用下一个非缺失值来填补缺失值。（2）取值为“pad”或“ffill”，表示使用上一个非缺失值来填补缺失值。默认为None |
| axis | 接收0或1，表示轴向。默认为1 |
| inplace | 接收布尔值，代表操作是否对原数据生效，默认为False |
| limit | 接收int,表示填补缺失值个数上限，超过则不进行填补。默认为None |
还是以上面的数据（df1）为例，这次我们尝试将所有缺失值（NaN）统一填充为0：
df4 = df1.fillna(value=0)
print('将所有缺失值填充为0：\n', df4)
注：这里将全部缺失值填充为0，仅为演示方法之用。在实际操作中，务必根据数据特性和分析需求，选择最合理的值进行填充，这样才能为后续的数据分析和建模打下可靠的基础。
以上便是关于 pandas 中数据缺失值从检测、统计到处理的完整教学。掌握这些方法，你就能更加从容地应对数据分析中的“不完整”挑战。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
