使用pandas处理列中的缺失值

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [5, None, 7, 8]
})

# 删除包含缺失值的行
df.dropna(inplace=True)

# 删除包含缺失值的列
df.dropna(axis=1, inplace=True)

df.fillna(0, inplace=True)  # 用0填充所有缺失值

df.fillna(df.mean(), inplace=True)  # 用每列的均值填充缺失值
df.fillna(df.median(), inplace=True)  # 用每列的中位数填充缺失值
df.fillna(df.mode().iloc[0], inplace=True)  # 用每列的众数填充缺失值

df.fillna(method='ffill', inplace=True)  # 用前一个值填充缺失值
df.fillna(method='bfill', inplace=True)  # 用后一个值填充缺失值

df.interpolate(inplace=True)  # 使用线性插值填充缺失值

import pandas as pd
import numpy as np

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8]
})

print("原始数据：")
print(df)

# 删除包含缺失值的行
df_cleaned = df.dropna()
print("\n删除缺失值后的数据：")
print(df_cleaned)

# 用均值填充缺失值
df_filled = df.fillna(df.mean())
print("\n用均值填充缺失值后的数据：")
print(df_filled)

# 使用线性插值填充缺失值
df_interpolated = df.interpolate()
print("\n使用线性插值填充缺失值后的数据：")
print(df_interpolated)