面试题：Python中Pandas数据清洗之缺失值处理

Question

假设你有一个Pandas的DataFrame，其中包含缺失值。请描述至少两种使用Pandas处理这些缺失值的方法，并给出相应的代码示例。

Answer 1

1. 删除缺失值：
   • 使用dropna()方法可以删除包含缺失值的行或列。
   • 代码示例：

   import pandas as pd
   data = {'col1': [1, None, 3], 'col2': [4, 5, None]}
   df = pd.DataFrame(data)
   # 删除包含缺失值的行
   df_dropped_rows = df.dropna()
   # 删除包含缺失值的列
   df_dropped_cols = df.dropna(axis = 1)
   print("删除缺失值行后的DataFrame:\n", df_dropped_rows)
   print("删除缺失值列后的DataFrame:\n", df_dropped_cols)
   

2. 填充缺失值：
   • 使用fillna()方法可以用指定的值填充缺失值。
   • 代码示例：

   import pandas as pd
   data = {'col1': [1, None, 3], 'col2': [4, 5, None]}
   df = pd.DataFrame(data)
   # 用0填充缺失值
   df_filled_with_0 = df.fillna(0)
   # 用前一个值填充缺失值（向前填充）
   df_filled_ffill = df.fillna(method='ffill')
   print("用0填充缺失值后的DataFrame:\n", df_filled_with_0)
   print("向前填充缺失值后的DataFrame:\n", df_filled_ffill)