很多数据不可避免的会遗失掉，或者采集的时候采集对象不愿意透露，这就造成了很多NaN（Not a Number）的出现。这些NaN会造成大部分模型运行出错，所以对NaN的处理很有必要。
解决方法：
1、简单粗暴地去掉
1）有如下dataframe，先用df.isnull().sum()检查下哪一列有多少NaN:
import pandas as pd
df = pd.DataFrame({'a':[None,1,2,3],'b':[4,None,None,6],'c':[1,2,1,2],'d':[7,7,9,2]})
print (df)
print (df.isnull().sum())输出：
2）将含有NaN的列(columns)去掉:
data_without_NaN =df.dropna(axis=1) print (data_without_NaN)
输出：
2、遗失值插补法
很多时候直接删掉列会损失很多有价值的数据，不利于模型的训练。
所以可以考虑将NaN替换成某些数，显然不能随随便便替换，有人喜欢替换成0，往往会画蛇添足。
譬如调查工资收入与学历高低的关系，有的人不想透露工资水平，但如果给这些NaN设置为0很显然会失真。所以Python有个Imputation（插补）的方法。代码如下：
from sklearn.preprocessing import Imputer my_imputer = Imputer() data_imputed = my_imputer.fit_transform(df) print (type(data_imputed)) # array转换成df df_data_imputed = pd.DataFrame(data_imputed,columns=df.columns) print (df_data_imputed)
输出：
可以看出，这里大概是用平均值进行了替换。
更多Python知识，请关注：Python自学网！！
