import pandas as pd

import numpy as np

'''

有时候我们导入或处理数据, 会产生一些空的或者是 NaN 数据,如何删除或者是填补这些 NaN 数据就是我们今天所要提到的内容.

建立了一个6X4的矩阵数据并且把两个位置置为空.

'''

dates = pd.date_range('20130101', periods=6)

df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])

df.iloc[0,1] = np.nan

df.iloc[1,2] = np.nan

"""

             A     B     C   D

2013-01-01   0   NaN   2.0   3

2013-01-02   4   5.0   NaN   7

2013-01-03   8   9.0  10.0  11

2013-01-04  12  13.0  14.0  15

2013-01-05  16  17.0  18.0  19

2013-01-06  20  21.0  22.0  23

"""

'''

pd.dropna() 去掉

如果想直接去掉有 NaN 的行或列, 可以使用 dropna

'''

df.dropna(

    axis=0,     # 0: 对行进行操作; 1: 对列进行操作

    how='any'   # 'any': 只要存在 NaN 就 drop 掉; 'all': 必须全部是 NaN 才 drop

    )

"""

             A     B     C   D

2013-01-03   8   9.0  10.0  11

2013-01-04  12  13.0  14.0  15

2013-01-05  16  17.0  18.0  19

2013-01-06  20  21.0  22.0  23

"""

'''

pd.fillna(value=)  代替

如果是将 NaN 的值用其他值代替, 比如代替成 0:

'''

df.fillna(value=0)

"""

             A     B     C   D

2013-01-01   0   0.0   2.0   3

2013-01-02   4   5.0   0.0   7

2013-01-03   8   9.0  10.0  11

2013-01-04  12  13.0  14.0  15

2013-01-05  16  17.0  18.0  19

2013-01-06  20  21.0  22.0  23

"""

# pd.isnull()

#

# 判断是否有缺失数据 NaN, 为 True 表示缺失数据:

df.isnull() #这个是返回一个dateframe

"""

                A      B      C      D

2013-01-01  False   True  False  False

2013-01-02  False  False   True  False

2013-01-03  False  False  False  False

2013-01-04  False  False  False  False

2013-01-05  False  False  False  False

2013-01-06  False  False  False  False

"""

# 检测在数据中是否存在 NaN, 如果存在就返回 True:

#np.any()是概括

# np.any(df.isnull()) == True

# True