相信大多數朋友們在使用pandas讀取excel資料（如csv檔案）時，**中往往含有異常的值。這些異常值通過包括三大類： none，null，nan。但是none和null通常可以通過「==」來判斷，相對比較簡單，因此本文主要介紹對nan異常值的處理。眾所周知，nan其實指的是not a number，也就是說不是乙個數。
在pandas dataframe中判斷是否含有nan值的方法是pd.isna()，下面就以實際例子給大家展示下：
1.首先這是使用pandas讀出來的原始資料，從下圖中可以看到其中包含很多nan值。
2.使用isna()方法會返回乙個僅含true和false這兩種值的dataframe，該方法主要用來判斷**中的每乙個元素是否為nan，使用方法很簡單，就是your_dataframe.isna()，最後得到的結果如下圖所示。可以看到，之前為nan值的那些位置，都已經成功判斷出來了。
3.使用isna().any()方法會返回乙個僅含true和false這兩種值的series，這個方法主要是用來判斷所有列中是否含有nan值，使用方法也是your_dataframe.isna().any()，返回的結果如下圖所示。
由於筆者這個表中沒有全部為nan的行或列，執行後表也不會有絲毫變化，這裡就不放結果圖了，下面主要介紹下使用的方法。
1.刪除dataframe表中全部為nan的行
your_dataframe.dropna(axis=0,how='all')your_dataframe.dropna(axis=1,how='all')your_dataframe.dropna(axis=0,how='any')2.刪除表中含有任何nan的列
your_dataframe.dropna(axis=1,how='any')替換所有 nan 的值主要用的是fillna()方法，其具體使用方法如下：
# 可以
replace_value = 0.0
# 這裡設定 inplace 為 true，能夠直接把表中的 nan 值替換掉
your_dataframe.fillna(replace_value, inplace=true)
# 如果不設定 inplace，則這樣寫就行
# new_dataframe = your_dataframe.fillna(replace_value)
Pandas DataFrame用法總結
1 將某一列滿足條件的資料的所在行提取出來 df ori pd.read excel f ivf data data add yuejing time data arrange no null23.xlsx df new df ori df ori.iloc 2 0.6 將某一列滿足條件 0.6 的...
Pandas DataFrame常用方法
1 獲取列名 1.1.鍊錶推導式 語法 col for col in df 返回結果 cvr1 cvr2 cvr3 cvr4 結果型別 list 1.2.通過columns屬性 columns屬性返回index，columns.values屬性返回 numpy.ndarray，可通過 tolist ...
Pandas DataFrame 按行構建
當我們從複雜 提取出逐個樣本的特徵時，繼而構成一條樣本並組成訓練或測試集時，比較容易想到的一點就是一行一行地構建dataframe。而pandas.dataframe 容許的輸入有numpy ndarray structured or homogeneous dict,or dataframe這些 ...