Python是目前最流行最简单用途最广泛的编程语言，大数据时代最应拉悟有仍该学习的一门编程语言。其中，数据分析的库p锾攒揉敫andas是Python最经典的库之一。现在我们看一下DataFrame的缺失值如何判断和处理。
工具/原料
python
anaconda，spyder
DataFrame，Series
方法/步骤
1、前提：加载numpy、pandas、和Series,DataFrame。生成一个含有缺失值的DataFrame（8*4），命名为df1，如图
2、使用thresh参数过滤缺失值。df1.dropna(thresh=3)表示至少有3个不是缺失值，df1.dropna(thresh=4)表示至少有4个不是缺失值，如图所示
3、使用fillna方法替换缺失值。df1.fillna(0)表示将所有的缺失值替换为常数0；df1饱终柯肢.fillna({'b':1,'c':2,'d'稆糨孝汶;:3})表示将‘b’列缺失值替换为1，‘c’列缺失值替换为2，‘d’列缺失值替换为3，（字典可以根据key确定哪一列填充），如图
4、使用method方法进行插值。df1.fillna(method='bfill'拘七呷憎)表示对缺失值进行后向填充，df1.fillna(method='bfill媪青怍牙',limit=2)表示对缺失值进行后向填充，同时至多填充2行，如图所示
5、除了填充常数，及填充前后数据，其实还可以填充均值或者最大值等描述性统计。df1.fillna(df1.mean())和df1.fillna(df1.max())分别表示填充每列的均值和最大值，如图
6、如果需要把原来的DataFrame缺失值直接替换掉（修改了原DataFrame），那么需要使用参数inplace=True即可，如图
