针对空值的处理，首先要来了解一下空值的类型：

一、pandas中的None 和 NaN 有什么区别？

type(None) --类型是 NoneType 空的对象类型

type(NaN) --类型是 float 浮点型

注意：Pandas中None 和 NaN 都视作np.nan

二、Pandas 的空值操作

isnull() 判断null ，返回True/False 的数组

notnull() 空值判断

dropna() 过滤空值数据

fillna() 填充丢失数据

1、使用pandas过滤空值：

df.isnull().any(axis = 1)

# 解析： any中轴向：axis = 0 表示列 axis = 1 表示行

# 新函数： all(axis = 0) 所有数据

any(axis = 0) 任何一个

# df.isnull()表示返回一组True/False 的数组，any(axis = 1)表示横向判断行，一行中任意一个为true就这行就返回 True, 最后返回一维数组

# 最终返回结果如下：

1 False

2 True

3 False

4 False

5 True

# 扩展： df.isnull().all(axis = 1) 一行中任意一个为False就这行就返回 False, 最后返回一维数组

notnull() 的使用方法和isnull()正好相反：

df.notnull().all(axis = 1)

# 一行中任意一个为False就这行就返回 False, 最后返回一维数组

# 最终返回结果如下：

1 True

2 False

3 True

4 True

5 False

# 总结： 固定搭配如下：

isnull() --> any()

notnull() -->all()

最后过滤掉有空值的行

df.iloc[df.notnull().all(axis = 1)]

2、df.dropna() 过滤空数据所在的行或列 (可直接过滤)

df.dropna() 可以选择过滤的是行还是列，默认是行，dropna中axis=0 表示行; axis=1 表示列

df.dropna(axis=0) #等同于上面过滤方式，封装了上面操作

3、fillna() 填充丢失/空值数据

fillna中 axis=0 表示列；axis=1 表示行

可选择向前或向后填充：

method ='bfill' 向后覆盖(空值取前一个)；

method ='ffill' 向前覆盖(空值取后一个)；

df.fillna(value =5555) #填充df 中所有空值数据

df.fillna(method ='bfill',axis=0) # 列里的空值取列里空值取前一个填充

4、drop 删除数据

drop 中 axis=0 表示行，axis=1 表示列

删除无用的列，列索引：'name','name1'；inplace参数指是否替代原来的df

data.drop(labels=['name','name1'],axis = 1,inplace=True)

删除无用的行，行索引：'涨跌'

df.drop(['涨跌'], axis=0, inplace=True)

5、Pandas 删除空值行数据、替换空值案例代码：

import pandas as pd

from pandas import Series,DataFram

import numpy as np

# 提取数据

data = pd.read_excel('./测试数据.excel')

# 删除无用的列，列索引：'name','name1'

data.drop(labels=['name','name1'],axis = 1,inplace=True)

# 删除空数据所在的行

data.dropna(axis=0)

# 覆盖

v_1 = data.fillna(method='ffill',axis=0) .fillna(method='bfill',axis=0)

# 检测v_1中是否有空值

v_1.isnull().any(axis = 0) #通常检测列里是否有空值，因为行数太多

三、pandas的级联操作

定义：对DataFram 进行横向或纵向的拼接

使用pandas.concat()级联

1、匹配级联

和numpy.concatenate一样，优先增加行数（默认axis=0 )，numpy.concatenate(axis=1)的时候是水平的级联,numpy中没有index,和columns,所以只要行列相等就可以级联，

在pandas中,如果行 和 列不一致,但是shape相同,会级联成一个更大的df,不对应的值会填充NaN。

注意：

纵向级联 axis=0：按行拼接--->在行上增加，列索引不匹配填充NaN

横向级联 axis=1：按列拼接--->在列上增加，行索引不匹配填充NaN

匹配级联拼接案例分析：

import numpy as np

import pandas as pd

from pandas import Series,DataFrame

def make_df(cols,index):

data = {col:[str(col)+str(ind) for ind in index] for col in cols}

df = DataFrame(data = data,columns = cols ,index = index )

return df

df1 = make_df(['a','b','c'],[1,2,3])

# 输出

a b c

1 a1 b1 c1

2 a2 b2 c2

3 a3 b3 c3

df2 = make_df(['a','b','c'],[4,5,6])

# 输出

a b c

4 a4 b4 c4

5 a5 b5 c5

6 a6 b6 c6

pd.concat([df1,df2],axis=1)

结果如下：

a b c a b c

1 a1 b1 c1 NaN NaN NaN

2 a2 b2 c2 NaN NaN NaN

3 a3 b3 c3 NaN NaN NaN

4 NaN NaN NaN a4 b4 c4

5 NaN NaN NaN a5 b5 c5

6 NaN NaN NaN a6 b6 c6

pd.concat([df1,df2],axis=0)

结果如下：

a b c

1 a1 b1 c1

2 a2 b2 c2

3 a3 b3 c3

4 a4 b4 c4

5 a5 b5 c5

6 a6 b6 c6

2、不匹配级联

纵向级联( axis=0 -->在行上增加)时列索引不一致，

横向级联( axis=1 -->在列上增加)时行索引不一致

2.1、外连接：补NaN（默认）

df1 = make_df(['a','b','c'],[1,2,3])

# 输出

a b c

1 a1 b1 c1

2 a2 b2 c2

3 a3 b3 c3

df5 = make_df(['c','d','e'],[3,4,5])

# 输出

c d e

3 c3 d3 e3

4 c4 d4 e4

5 c5 d5 e5

df6 = pd.concat([df1,df5],axis=1)

# 输出

a b c c d e

1 a1 b1 c1 NaN NaN NaN

2 a2 b2 c2 NaN NaN NaN

3 a3 b3 c3 c3 d3 e3

4 NaN NaN NaN c4 d4 e4

5 NaN NaN NaN c5 d5 e5

df6 = pd.concat([df1,df5],axis=0)

# 输出

a b c d e

1 a1 b1 c1 NaN NaN

2 a2 b2 c2 NaN NaN

3 a3 b3 c3 NaN NaN

3 NaN NaN c3 d3 e3

4 NaN NaN c4 d4 e4

5 NaN NaN c5 d5 e5

2.2、内连接(join='inner')：只连接匹配的项(行或者列)其他项(行或者列)忽略

join_axes=[df1.columns] 的值是一个列表，表示指定以 df1.columns列索引 或 df1.index行索引为连接，只连接匹配的项(行或者列)

df6 = pd.concat([df1,df5],axis=1,join='inner')

# 输出

a b c c d e

3 a3 b3 c3 c3 d3 e3

df7 = pd.concat([df1,df5],join_axes=[df1.columns])

#join_axes 的值是一个列表[df1.index]

# 输出

a b c

1 a1 b1 c1

2 a2 b2 c2

3 a3 b3 c3

3 NaN NaN c3

4 NaN NaN c4

5 NaN NaN c5

2.3、使用append()函数添加

append专门用于在后面添加，append 和 concat 相似

append是纵向拼接，( axis=0 -->在行上增加)

df1.append(df5)

# 同如下拼接方式

df6 = pd.concat([df1,df5],axis=0)

# 输出

a b c d e

1 a1 b1 c1 NaN NaN

2 a2 b2 c2 NaN NaN

3 a3 b3 c3 NaN NaN

3 NaN NaN c3 d3 e3

4 NaN NaN c4 d4 e4

5 NaN NaN c5 d5 e5

四、Pandas的 合并拼接操作

merge方法主要基于两个dataframe的共同列进行合并，

join方法主要基于两个dataframe的索引进行合并，

concat方法是对series或dataframe进行行拼接或列拼接。

1. Merge方法

pandas的merge方法是基于共同列，将两个dataframe连接起来。merge方法的主要参数：

left/right：左/右位置的dataframe。

how：数据合并的方式。left：基于左dataframe列的数据合并；right：基于右dataframe列的数据合并；outer：基于列的数据外合并（取并集）；inner：基于列的数据内合并（取交集）；默认为'inner'。

on：用来合并的列名，这个参数需要保证两个dataframe有相同的列名。

left_on/right_on：左/右dataframe合并的列名，也可为索引，数组和列表。

left_index/right_index：是否以index作为数据合并的列名，True表示是。

sort：根据dataframe合并的keys排序，默认是。

suffixes：若有相同列且该列没有作为合并的列，可通过suffixes设置该列的后缀名，一般为元组和列表类型。

merges通过设置how参数选择两个dataframe的连接方式，有内连接，外连接，左连接，右连接，下面通过例子介绍连接的含义。

1.1 内连接

how='inner'，dataframe的链接方式为内连接，我们可以理解基于共同列的交集进行连接，参数on设置连接的共有列名

# 单列的内连接

# 定义df1

import pandas as pd

import numpy as np

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],

'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

# print(df1)

# print(df2)

# 基于共同列alpha的内连接

df3 = pd.merge(df1,df2,how='inner',on='alpha')

df3

取共同列alpha值的交集进行连接。

1.2 外连接

how='outer'，dataframe的链接方式为外连接，我们可以理解基于共同列的并集进行连接，参数on设置连接的共有列名。

# 单列的外连接

# 定义df1

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],

'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

# 基于共同列alpha的内连接

df4 = pd.merge(df1,df2,how='outer',on='alpha')

df4

若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。

1.3 左连接

how='left'，dataframe的链接方式为左连接，我们可以理解基于左边位置dataframe的列进行连接，参数on设置连接的共有列名。

# 单列的左连接

# 定义df1

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],

'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

# 基于共同列alpha的左连接

df5 = pd.merge(df1,df2,how='left',on='alpha')

df5

因为df2的连接列alpha有两个'A'值，所以左连接的df5有两个'A'值，若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。

1.4 右连接

how='right'，dataframe的链接方式为左连接，我们可以理解基于右边位置dataframe的列进行连接，参数on设置连接的共有列名。

# 单列的右连接

# 定义df1

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],

'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

# 基于共同列alpha的右连接

df6 = pd.merge(df1,df2,how='right',on='alpha')

df6

因为df1的连接列alpha有两个'B'值，所以右连接的df6有两个'B'值。若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。

1.5 基于多列的连接算法

多列连接的算法与单列连接一致，本节只介绍基于多列的内连接和右连接，读者可自己编码并按照本文给出的图解方式去理解外连接和左连接。

多列的内连接：

# 多列的内连接

# 定义df1

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],

'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'beta':['d','d','b','f'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

# 基于共同列alpha和beta的内连接

df7 = pd.merge(df1,df2,on=['alpha','beta'],how='inner')

df7

多列的右连接：

# 多列的右连接

# 定义df1

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],

'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'beta':['d','d','b','f'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

print(df1)

print(df2)

# 基于共同列alpha和beta的右连接

df8 = pd.merge(df1,df2,on=['alpha','beta'],how='right')

df8

1.6 基于index的连接方法

前面介绍了基于column的连接方法，merge方法亦可基于index连接dataframe

# 基于column和index的右连接

# 定义df1

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],

'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})

# 定义df2

df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],

'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])},index=['d','d','b','f'])

print(df1)

print(df2)

# 基于df1的beta列和df2的index连接，left_on='beta' 表示左边这一列作为右边的索引

df9 = pd.merge(df1,df2,how='inner',left_on='beta',right_index=True)

df9

图解index和column的内连接方法：

设置参数suffixes以修改除连接列外相同列的后缀名。

# 基于df1的alpha列和df2的index内连接

df9 = pd.merge(df1,df2,how='inner',left_on='beta',right_index=True,suffixes=('_df1','_df2'))

df9

2. join方法

join方法是基于index连接dataframe，merge方法是基于column连接，连接方法有内连接，外连接，左连接和右连接，与merge一致。

index与index的连接：

caller = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'], 'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})

other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],'B': ['B0', 'B1', 'B2']})

print(caller)print(other)# lsuffix和rsuffix设置连接的后缀名

caller.join(other,lsuffix='_caller', rsuffix='_other',how='inner')

join也可以基于列进行连接：

caller = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'], 'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})

other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],'B': ['B0', 'B1', 'B2']})

print(caller)

print(other)

# 基于key列进行连接

caller.set_index('key').join(other.set_index('key'),how='inner')

因此，join和merge的连接方法类似，这里就不展开join方法了，建议用merge方法