上周我们读取完了数据（Python数据分析实战：获取数据），下面就要对数据进行清洗了，首先是对缺失值的处理。缺失值也就是空值，先找出来再处理。
查看缺失值可以使用isnull方法来查看空值，得到的结果是布尔值。
#查看缺失值
df_list.isnull()
结果：
对于小的数据集来说，可以这样看，但对于大的数据集这样查看空值貌似没什么意义，没关系，还有其他方法，可以使用info方法
#查看空值
df_list.info()
结果：
info方法可以看到字段的数据类型以及每个字段下有多少个非空值，可以看到nei**ourhood_group 字段全为空，这和布尔值显示的结果一致。
其实还有一个方法，更简单了：
#查看空值
df_list.isnull().sum()
对取出来的isnull的布尔值求和，就很明显地看到，id列是没有空值的，name列有一个空值，结果：
也可以对单独的某一列这样查看空值，对name列查看空值
#对单独一列查看空值
df_list["name"].isnull().sum()
结果为1，说明name列有1个空值：
找到缺失值以后如何处理呢？删除或填充。
删除缺失值
用dropna方法，默认是只要一行中有一个缺失值这一行就全都删除
#删除缺失值
df_list.dropna()
结果就是这个数据集里的数据全被删掉了，因为其中的nei**ourhood_group这个字段全为空，按照dropna的尿性，有一个为空就整行删除，就得到了如下结果：
当然也可以给这个方法传入how="all"参数，只有在整行为空的前提下才删除。
#整行都为空才删除
df_list.dropna(how="all")
结果是一条都没有删除，因为这个数据集里没有所有字段都为空的记录：
但是有一列数据都为空的字段，把nei**ourhood_group这一列删掉，还记得删除列的方法吗
#删除列
df_list=df_list.drop(columns="nei**ourhood_group")
df_list
结果：
name列也是有一个空值的，找出来看一下
#定位到name列的空值
df_list[df_list["name"].isnull()]
结果如下，这一行还是删了吧。
删除行用drop方法，刚刚定位出了要删除的那一行，行索引是456
#删除name列的空值的行
df_list=df_list.drop(index=456)
df_list
结果可以看到变成了28451行，之前一直都是28452行。
缺失值填充
当然缺失值除了删除外，还可以进行填充，可以用0填充，也可以用均值、众数填充。用fillna方法进行缺失值的填充。
last_review和reviews_per_month这两列也有缺失值，我们用众数填充（mode）last_review列的缺失值，用均值（mean）填充reviews_per_month列的缺失值。
#缺失值填充
df_list.fillna({"last_review":df_list.last_review.mode(),
"reviews_per_month":df_list.reviews_per_month.mean()})
结果
这里只是举例缺失值也可以被填充这样处理，在这个案例里，不建议这两列填充，空着就空着吧。下节内容来处理重复值和异常值。
猜你喜欢：
Python数据分析实战：获取数据
《吊打分析师》实战—我要租个好房
为什么要学统计学：**的统计学
成为数据分析师的第三年，我写了10W字
简单的Excel数据分析案例
@ 作者：可乐
@ 公众号/知乎专栏/头条/简书：可乐的数据分析之路
@ 加微信（data_cola）备注：进群，拉你进可乐的数据分析交流群，数据分析知识总结，不定期行业经验分享
以上就是关于Python数据分析实战：缺失值处理小萝卜头资料简介全部的内容，关注我们，带您了解更多相关内容。
特别提示：本信息由相关用户自行提供，真实性未证实，仅供参考。请谨慎采用，风险自负。
