四、 缺失值处理

在 pandas 中，使用np.nan来代替缺失值，这些值将默认不会包含在计算中，详情请参阅：缺失的数据。

1、 reindex()方法可以对指定轴上的索引进行改变/增加/删除操作，这将返回原始数据的一个拷贝：

  1. In [55]: df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])
  3. In [56]: df1.loc[dates[0]:dates[1],'E'] = 1
  5. In [57]: df1
  6. Out[57]: 
  7.                    A         B         C  D    F    E
  8. 2013-01-01  0.000000  0.000000 -1.509059  5  NaN  1.0
  9. 2013-01-02  1.212112 -0.173215  0.119209  5  1.0  1.0
  10. 2013-01-03 -0.861849 -2.104569 -0.494929  5  2.0  NaN
  11. 2013-01-04  0.721555 -0.706771 -1.039575  5  3.0  NaN

2、 去掉包含缺失值的行：

  1. In [58]: df1.dropna(how='any')
  2. Out[58]: 
  3.                    A         B         C  D    F    E
  4. 2013-01-02  1.212112 -0.173215  0.119209  5  1.0  1.0

3、 对缺失值进行填充：

  1. In [59]: df1.fillna(value=5)
  2. Out[59]: 
  3.                    A         B         C  D    F    E
  4. 2013-01-01  0.000000  0.000000 -1.509059  5  5.0  1.0
  5. 2013-01-02  1.212112 -0.173215  0.119209  5  1.0  1.0
  6. 2013-01-03 -0.861849 -2.104569 -0.494929  5  2.0  5.0
  7. 2013-01-04  0.721555 -0.706771 -1.039575  5  3.0  5.0

4、 对数据进行布尔填充：

  1. n [60]: pd.isnull(df1)
  2. Out[60]: 
  3.                 A      B      C      D      F      E
  4. 2013-01-01  False  False  False  False   True  False
  5. 2013-01-02  False  False  False  False  False  False
  6. 2013-01-03  False  False  False  False  False   True
  7. 2013-01-04  False  False  False  False  False   True