Pandas：查看、填充和删除空值

Pandas 是 Python 中用于数据分析和处理的强大库。处理缺失值是数据分析中常见的任务，Pandas 提供了多种方法来查看、填充和删除空值。下面我们将介绍这些方法。
查看空值
要查看 DataFrame 或 Series 中的空值，您可以使用 isnull() 方法。这将返回一个与原始数据结构大小相同的布尔系列，其中 True 表示缺失值，False 表示非缺失值。

import pandas as pd
# 创建一个包含空值的 DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, 6]})
# 查看空值
print(df.isnull())

输出：

```
在上面的示例中，`isnull()` 方法返回一个布尔 DataFrame，指示每个元素是否为空。
**填充空值**
Pandas 提供了多种方法来填充空值。最常用的方法是使用 `fillna()` 方法。该方法接受一个值作为参数，用于替换所有空值。您还可以使用其他方法，如 `ffill()` 和 `bfill()`，根据前一个或后一个有效数据进行填充。
以下是使用 `fillna()` 方法填充空值的示例：
```python
# 填充空值为 0
df.fillna(0, inplace=True)
print(df)

输出：

```在上面的示例中，我们使用 `fillna()` 方法将所有空值替换为 0。`inplace=True` 参数将直接修改原始 DataFrame。如果您不想修改原始 DataFrame，可以将此参数设置为 False，并将结果赋值给一个新的变量。
另外，您还可以使用 `ffill()` 和 `bfill()` 方法根据前一个或后一个有效数据进行填充。例如：
```python
# 使用前一个有效数据进行填充
df.ffill(inplace=True)
print(df)
# 使用后一个有效数据进行填充
df.bfill(inplace=True)
print(df)

输出：python # 使用前一个有效数据进行填充的输出：python # 使用后一个有效数据进行填充的输出： 在上面的示例中，`ffill()` 方法使用前一个有效数据填充空值，而 `bfill()` 方法使用后一个有效数据填充空值。同样，您可以将结果赋值给一个新的变量或直接修改原始 DataFrame。 **删除空值** 如果您想从 DataFrame 或 Series 中删除包含空值的行或列，可以使用 `dropna()` 方法。该方法接受多个参数，用于指定要删除的行或列的条件。以下是一个删除包含空值的行的示例：python # 删除包含空值的行示例： pythonpython df.dropna(axis=0) # 删除包含空值的行print(df)``在上面的示例中，我们使用dropna()方法删除了包含空值的行。axis=0参数指定要删除行（而不是列）。如果您想删除包含空值的列，可以将axis参数设置为 1。请注意，这只会删除包含至少一个空值的行或列。如果您想删除不包含任何空值的行或列，可以使用how` 参数设置为 ‘all’。