Pandas使用这些函数处理缺失值：
import pandas as pd
实例：特殊Excel的读取、清洗、处理
步骤1：读取excel的时候，忽略前几个空行
studf = pd.read_excel("./datas/student_excel/student_excel.xlsx", skiprows=2)
studf
| Unnamed: 0 | 姓名 | 科目 | 分数 | |
|---|---|---|---|---|
| 0 | NaN | 小明 | 语文 | 85.0 |
| 1 | NaN | NaN | 数学 | 80.0 |
| 2 | NaN | NaN | 英语 | 90.0 |
| 3 | NaN | NaN | NaN | NaN |
| 4 | NaN | 小王 | 语文 | 85.0 |
| 5 | NaN | NaN | 数学 | NaN |
| 6 | NaN | NaN | 英语 | 90.0 |
| 7 | NaN | NaN | NaN | NaN |
| 8 | NaN | 小刚 | 语文 | 85.0 |
| 9 | NaN | NaN | 数学 | 80.0 |
| 10 | NaN | NaN | 英语 | 90.0 |
步骤2：检测空值
studf.isnull()
| Unnamed: 0 | 姓名 | 科目 | 分数 | |
|---|---|---|---|---|
| 0 | True | False | False | False |
| 1 | True | True | False | False |
| 2 | True | True | False | False |
| 3 | True | True | True | True |
| 4 | True | False | False | False |
| 5 | True | True | False | True |
| 6 | True | True | False | False |
| 7 | True | True | True | True |
| 8 | True | False | False | False |
| 9 | True | True | False | False |
| 10 | True | True | False | False |
studf["分数"].isnull()
0 False 1 False 2 False 3 True 4 False 5 True 6 False 7 True 8 False 9 False 10 False Name: 分数, dtype: bool
studf["分数"].notnull()
0 True 1 True 2 True 3 False 4 True 5 False 6 True 7 False 8 True 9 True 10 True Name: 分数, dtype: bool
# 筛选没有空分数的所有行 studf.loc[studf["分数"].notnull(), :]
| Unnamed: 0 | 姓名 | 科目 | 分数 | |
|---|---|---|---|---|
| 0 | NaN | 小明 | 语文 | 85.0 |
| 1 | NaN | NaN | 数学 | 80.0 |
| 2 | NaN | NaN | 英语 | 90.0 |
| 4 | NaN | 小王 | 语文 | 85.0 |
| 6 | NaN | NaN | 英语 | 90.0 |
| 8 | NaN | 小刚 | 语文 | 85.0 |
| 9 | NaN | NaN | 数学 | 80.0 |
| 10 | NaN | NaN | 英语 | 90.0 |
步骤3：删除掉全是空值的列
studf.dropna(axis="columns", how='all', inplace=True)
studf
| 姓名 | 科目 | 分数 | |
|---|---|---|---|
| 0 | 小明 | 语文 | 85.0 |
| 1 | NaN | 数学 | 80.0 |
| 2 | NaN | 英语 | 90.0 |
| 3 | NaN | NaN | NaN |
| 4 | 小王 | 语文 | 85.0 |
| 5 | NaN | 数学 | NaN |
| 6 | NaN | 英语 | 90.0 |
| 7 | NaN | NaN | NaN |
| 8 | 小刚 | 语文 | 85.0 |
| 9 | NaN | 数学 | 80.0 |
| 10 | NaN | 英语 | 90.0 |
步骤4：删除掉全是空值的行
studf.dropna(axis="index", how='all', inplace=True)
studf
| 姓名 | 科目 | 分数 | |
|---|---|---|---|
| 0 | 小明 | 语文 | 85.0 |
| 1 | NaN | 数学 | 80.0 |
| 2 | NaN | 英语 | 90.0 |
| 4 | 小王 | 语文 | 85.0 |
| 5 | NaN | 数学 | NaN |
| 6 | NaN | 英语 | 90.0 |
| 8 | 小刚 | 语文 | 85.0 |
| 9 | NaN | 数学 | 80.0 |
| 10 | NaN | 英语 | 90.0 |
步骤5：将分数列为空的填充为0分
studf.fillna({"分数":0})
| 姓名 | 科目 | 分数 | |
|---|---|---|---|
| 0 | 小明 | 语文 | 85.0 |
| 1 | NaN | 数学 | 80.0 |
| 2 | NaN | 英语 | 90.0 |
| 4 | 小王 | 语文 | 85.0 |
| 5 | NaN | 数学 | 0.0 |
| 6 | NaN | 英语 | 90.0 |
| 8 | 小刚 | 语文 | 85.0 |
| 9 | NaN | 数学 | 80.0 |
| 10 | NaN | 英语 | 90.0 |
# 等同于 studf.loc[:, '分数'] = studf['分数'].fillna(0)
studf
| 姓名 | 科目 | 分数 | |
|---|---|---|---|
| 0 | 小明 | 语文 | 85.0 |
| 1 | NaN | 数学 | 80.0 |
| 2 | NaN | 英语 | 90.0 |
| 4 | 小王 | 语文 | 85.0 |
| 5 | NaN | 数学 | 0.0 |
| 6 | NaN | 英语 | 90.0 |
| 8 | 小刚 | 语文 | 85.0 |
| 9 | NaN | 数学 | 80.0 |
| 10 | NaN | 英语 | 90.0 |
步骤6：将姓名的缺失值填充
使用前面的有效值填充，用ffill：forward fill
studf.loc[:, '姓名'] = studf['姓名'].fillna(method="ffill")
studf
| 姓名 | 科目 | 分数 | |
|---|---|---|---|
| 0 | 小明 | 语文 | 85.0 |
| 1 | 小明 | 数学 | 80.0 |
| 2 | 小明 | 英语 | 90.0 |
| 4 | 小王 | 语文 | 85.0 |
| 5 | 小王 | 数学 | 0.0 |
| 6 | 小王 | 英语 | 90.0 |
| 8 | 小刚 | 语文 | 85.0 |
| 9 | 小刚 | 数学 | 80.0 |
| 10 | 小刚 | 英语 | 90.0 |
步骤7：将清洗好的excel保存
studf.to_excel("./datas/student_excel/student_excel_clean.xlsx", index=False)
总结
以上就是我在处理客户端真实IP的方法，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。
