博客

#Pandas对缺失值的处理
#pandas使用这些函数处理缺失值;
##isnull和notnull:检测是否是空值，可用于df和series- 
##dropna:丢弃、删除缺失值
   #axis:删除行还是列，{0 or 'index', 1 or "columns}, default o
   #how:如果等于any则任何值为空都删除，如果等于all则所有值都为空才删除- 
   # inplace :如果为True则修改当前df，否则返回新的df
##fillna:填充空值
    #value;用于填充的值，可以是单个值，或者字典(key是列名，value是值)
    #method :等于il 使用前一个不为空的值填充forword fill;等于bfill使用后一个不为空的值填充backword fill
    # axis ∶按行还是列填充，{0 or 'index', 1 or "columns'}
    # inplace :如果为True则修改当前df，否则返回新的df
import pandas as pd 
#读取Excel，并忽视前2个空行
studf = pd.read_excel("D:\\python39\\pandas\\antlearnpandasmaster\\datas\\student_excel\\student_excel.xlsx",skiprows = 2)
#print(studf)
#检测空值
#print(studf.isnull())
#print(studf['分数'].isnull())
#print(studf.loc[studf['分数'].notnull(),:])
##删除全是空值的列
studf.dropna(axis=1,how ='all',inplace=True)
##删除全是空值的行
studf.dropna(axis=0,how ='all',inplace=True)
##将分数列为空的值填充为0
studf['分数'].fillna(0,inplace=True)
##填充为空值的姓名，采用向前填充的方法
studf.loc[:,'姓名'] = studf['姓名'].fillna(method = 'ffill')

print(studf)
##将清洗好的数据进行保存
studf.to_excel("D:\\python39\\pandas\\antlearnpandasmaster\\datas\\student_excel\\student_excel_clean1.xlsx",index = False)