# np.nan(NaN)
#1, None# None是python当中自带的，类型为python object，
# 所以，None是不能参与到任何的计算当中的
#2, np.nan
#np.nan是浮点类型，能参与到计算当中，但是计算的结果为NaN
#pandas中None与np.nan都被视为np.nan import numpy as np import pandas as pd from pandas import Series,DataFrame df1 = DataFrame(data=np.random.randint(0,100,size=(3,3)), columns=list('ABC')) df1 df1.loc[0,'B'] = None df1 df1['C'] = np.nan df1 #pandas中None与np.nan的操作 #isnull() #notnull() #dropna() 过滤丢失的数据 #fillna() 填充丢失的数据 #新增一行，一列 df1.loc[3] = [12,12,34] df1 #dropna()默认是过滤所以丢失的值 df1.dropna() #使用axis可以控制轴向变化 df1.dropna(axis=1) # value的参数默认是把所以的空值填充 df1.fillna(value=100) #假设张三，李四，王五参加模拟考试，但是张三因为突然想明白了人生，故而放弃了英语考试。 #因为记为None，据此请创建一个DataFrame，命名为score data = np.random.randint(0,100,size=(3,3)) columns = ['yuwen','shuxue','yingyu'] index = ['zhangsan','lisi','wangwu'] score = DataFrame(data=data,index=index,columns=columns) score score.loc['zhangsan','yingyu'] = np.nan score #老师决定根据用数学的分数来填充张三的英语成绩，如何实现 #用李四的英语成绩来填充张三的英语成绩？ score.fillna(method='ffill',axis=1) score.fillna(method='bfill',axis=0)