查看dataframe缺失值
python中pandas的基本含义及其特性？
python中pandas的基本含义及其特性？
1、在pandas中，我们采用了R语言中的惯用法，即将缺失值表示为NA，它表示不可用not available。
2、pandas项目中还在不断优化内部细节以更好处理缺失数据。
3、过滤掉缺失数据的办法有很多种。可以通过或布尔索引的手工方法，但dropna可能会更实用一些。对于一个Series，dropna返回一个仅含非空数据和索引值的Series。
4、而对于DataFrame对象，可能希望丢弃全NA或含有NA的行或列。dropna默认丢弃任何含有缺失值的行。
5、最后通过一个常数调用fillna就会将缺失值替换为那个常数值，若是通过一个字典调用fillna，就可以实现对不同的列填充不同的值。这样就完成了。
如何利用pandas、matplotlib和seaborn来分析脏数据？
工具方面，seaborn是matplotlib的扩展和二次封装，个人认为日常数据分析matplotlib完够用了。
一般脏数据分析可以分为以下几个步骤：
一．数据读取：根据数据源文件的文件类型，可以使用pandas的read_csv、read_table、read_excel、read_sql、read_json、read_html、DataFrame来读取。
二．查看数据信息：主要使用describe、info这两个方法，也可以直接用pandas的绘图功能可视化显示数据。
三．处理异常和缺失的数据：用到的方法主要有dropna、fillna，处理完异常和缺失数据后再可视化显示出处理完的数据
四．如果是做机器学习或深度学习，还要再做一下归一化处理。
五．数据处理完后再写入到文件中，以备调用，我一般用to_csv方法来保存。
以下是我这自己处理的一段实例代码：
python pandas如何对指定的多列填充缺失值？
谢谢邀请。
首先，要对pandas填充缺失值，用fillna()是正确的。
但是正如题主图片所示，如果直接对data进行缺失值填充，那程序肯定是把data中所有的缺失值都填了，因为你没有给它指定要填充的是哪一列（行）或哪几列（行）。
所以，下面我们来看看，如何指定dataframe的一列或多列进行缺失值填充。
其实很简单，就是你先选好你要填充的列即可。
一列：data[0].fillna(0)，即为选中第0列进行缺失值填充
多列：data[[0, 1]].fillna(0)，即为同时选出第0列和第1列进行缺失值填充。
人生苦短，我用python.
共同进步。
()函数用于填充数组中的Nan值，但是该方法并不会改变原有数组，而是返回一个新的数组。下面是实例演示：
一、创建数组
二、填充缺失值
我们可以发现在使用fillna方法对缺失值填充以后，返回了一个填充后的数组，但是原数组并没有改变。
若想改变原数组，我们就需要重新赋值
三、对指定的多列缺失值进行填充填充指定的多列缺失值与填充整个数组缺失值方法一样，都是要重新赋值。
最后打一下小广告，Matplotlib小讲堂专注于研究Python数据分析与可视化，欢迎大家关注！