pandas怎样处理缺失数据

在 pandas 中，处理缺失数据（通常是 NaN 或 None）是非常常见的操作。下面按常见场景系统介绍常用方法。

一、认识缺失值

pandas 中常见的缺失值表示：

• NaN（浮点型缺失，最常见）
• None（对象型缺失）

import pandas as pd
import numpy as np

s = pd.Series([1, 2, np.nan, None, 5])

二、检测缺失值

1️⃣ 判断是否为缺失值

s.isna()      # 或 isnull()
s.notna()     # 或 notnull()

2️⃣ 统计缺失值数量

s.isna().sum()
df.isna().sum()        # 每列缺失数
df.isna().sum().sum()  # 总缺失数

三、删除缺失值

1️⃣ 删除含缺失值的行

df.dropna()

2️⃣ 删除含缺失值的列

df.dropna(axis=1)

3️⃣ 指定缺失阈值

# 至少要有 3 个非缺失值才保留
df.dropna(thresh=3)

# 某些列不能有缺失
df.dropna(subset=['age', 'income'])

四、填充缺失值（最常用）

1️⃣ 用固定值填充

df.fillna(0)

2️⃣ 按列分别填充

df.fillna({
    'age': 0,
    'income': df['income'].mean()
})

3️⃣ 用统计量填充

df['age'].fillna(df['age'].mean())     # 均值
df['age'].fillna(df['age'].median())   # 中位数

4️⃣ 前向 / 后向填充（时间序列常用）

df.fillna(method='ffill')  # 用上一个值
df.fillna(method='bfill')  # 用下一个值

简写：

df.ffill()
df.bfill()

五、插值处理（高级填充）

df.interpolate()          # 线性插值
df.interpolate(method='time')  # 时间插值

六、缺失值参与计算的处理

df.mean(skipna=True)   # 默认忽略 NaN
df.sum(skipna=False)   # 有缺失则返回 NaN

七、实战建议 ✅

• 数值型：均值 / 中位数填充
• 类别型：众数或 'Unknown' 填充
• 时间序列：前后填充或插值
• 建模前：可新增 is_missing 标志列

df['age_missing'] = df['age'].isna().astype(int)

如果你有具体数据结构或业务场景（如金融、用户行为、时间序列），我可以给你更针对性的处理方案。