Python pandas处理缺失值方法详解(dropna、drop、fillna)

落日邮差

发布时间：2026-10-15| 6人浏览过

原创

本文详细介绍Python pandas中处理缺失值的三种核心方法：删除含缺失值的样本或特征列，以及使用具体数值或前后值进行填充。通过dropna、drop和fillna函数的参数详解与代码示例，帮助开发者快速掌握数据清洗技巧。

在处理数据时，面对缺失值主要有三种处理策略：

策略一：直接删除包含缺失值的样本（即行数据）。
策略二：直接删除包含缺失值的特征列（即整个字段）。
策略三：使用特定值对缺失值进行填充，例如0、平均值或中位数等。

dropna和fillna函数均适用于DataFrame和Series对象，本文主要聚焦于DataFrame的操作。

针对策略一（删除样本）：

可以使用DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)函数来实现。

该函数的关键参数说明如下：

axis参数用于指定操作维度（行或列）。
- axis=0：表示删除包含缺失值的行。
- axis=1：表示删除包含缺失值的列。
how参数与axis配合使用，决定删除的严格程度。
- how='any'：只要行或列中存在任意缺失值，即执行删除操作。
- how='all'：仅当行或列中的所有值均为缺失值时，才执行删除操作。
thresh：设定阈值，若指定axis方向上非缺失值的数量少于thresh，则删除该行或列。
例如，当axis=0且thresh=10时，表示如果某行的非缺失值数量小于10，则删除该行。
subset：接受列表类型参数。
用于指定在哪些特定列中检查缺失值，其他列的缺失值将被忽略。
inplace：布尔值，决定是否在原数据上直接修改。若为True，返回None；若为False（默认），返回去除了缺失值的新副本。

建议在使用时明确写出所有缺省参数，以便代码更具可读性和易理解性。

具体示例如下：

 	   	      df = pd.DataFrame(
                                        {"name": ['Alfred', 'Batman', 'Catwoman'],         
                                          "toy": [np.nan, 'Batmobile', 'Bullwhip'],
                                         "born": [pd.NaT, pd.Timestamp("1940-04-25")     
                                                        pd.NaT]})
 			>>> df
 			       name        toy       born
 			0    Alfred        NaN        NaT
 			1    Batman  Batmobile 1940-04-25
 			2  Catwoman   Bullwhip        NaT
 			
 			# Drop the rows where at least one element is missing.
 			>>> df.dropna()
 			     name        toy       born
 			1  Batman  Batmobile 1940-04-25
 			
 			# Drop the columns where at least one element is missing.
 			>>> df.dropna(axis='columns')
 			       name
 			0    Alfred
 			1    Batman
 			2  Catwoman
 			
 			# Drop the rows where all elements are missing.
 			>>> df.dropna(how='all')
 			       name        toy       born
 			0    Alfred        NaN        NaT
 			1    Batman  Batmobile 1940-04-25
 			2  Catwoman   Bullwhip        NaT
 			
 			# Keep only the rows with at least 2 non-NA values.
 			>>> df.dropna(thresh=2)
 			       name        toy       born
 			1    Batman  Batmobile 1940-04-25
 			2  Catwoman   Bullwhip        NaT
 			
 			# Define in which columns to look for missing values.
 			>>> df.dropna(subset=['name', 'born'])
 			       name        toy       born
 			1    Batman  Batmobile 1940-04-25
 			
 			# Keep the DataFrame with valid entries in the same variable.	
 			>>> df.dropna(inplace=True)
 			>>> df
 			     name        toy       born
 			1  Batman  Batmobile 1940-04-25

针对策略二（删除特征列）：

可以使用dropna或者drop函数来实现，参考代码DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')。

labels：指定需要删除的行或列的名称列表。
axis：0代表操作行，1代表操作列。

	df = pd.DataFrame(np.arange(12).reshape(3,4),                 
	                  columns=['A', 'B', 'C', 'D'])
	
	>>>df
	   	   A  B   C   D
		0  0  1   2   3
		1  4  5   6   7
		2  8  9  10  11

	# 删除列
	>>> df.drop(['B', 'C'], axis=1)
	   A   D
	0  0   3
	1  4   7
	2  8  11
	>>> df.drop(columns=['B', 'C'])
	   A   D
	0  0   3
	1  4   7
	2  8  11
	
	# 删除行（索引）
	>>> df.drop([0, 1])
	   A  B   C   D
	2  8  9  10  11

针对策略三（填充缺失值）：

可以使用DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)函数来实现。

value：可以是标量、字典、Series或DataFrame，用于指定填充的值。
若value为字典，可以指定每一列使用什么具体的值进行填充。
method：可选{'backfill', 'bfill', 'pad', 'ffill', None}，默认为None。
上述操作均可在列维度上执行。
- ffill或pad：使用前一个有效值来填充当前的缺失值。
- backfill或bfill：使用后一个有效值来填充当前的缺失值。
limit：限制填充的缺失值个数，此参数在实际应用中较少使用。

f = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, 5],
                   [np.nan, 3, np.nan, 4]],
                   columns=list('ABCD'))
 >>> df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4

# 使用0代替所有的缺失值
>>> df.fillna(0)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

# 使用后边或前边的值填充缺失值
>>> df.fillna(method='ffill')
    A   B   C   D
0   NaN 2.0 NaN 0
1   3.0 4.0 NaN 1
2   3.0 4.0 NaN 5
3   3.0 3.0 NaN 4

>>>df.fillna(method='bfill')
     A	B	C	D
0	3.0	2.0	NaN	0
1	3.0	4.0	NaN	1
2	NaN	3.0	NaN	5
3	NaN	3.0	NaN	4

# Replace all NaN elements in column ‘A', ‘B', ‘C', and ‘D', with 0, 1, 2, and 3 respectively.
# 每一列使用不同的缺失值
>>> values = {'A': 0, 'B': 1, 'C': 2, 'D': 3}
>>> df.fillna(value=values)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 2.0 1
2   0.0 1.0 2.0 5
3   0.0 3.0 2.0 4

#只替换第一个缺失值
 >>>df.fillna(value=values, limit=1)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 NaN 1
2   NaN 1.0 NaN 5
3   NaN 3.0 NaN 4

以房价分析为例：

在此数据集中，仅total_bedrooms一列存在缺失值，采用上述三种方法处理的代码如下：

# option 1 将含有缺失值的行去掉
housing.dropna(subset=["total_bedrooms"])  

# option 2 将"total_bedrooms"这一列从数据中去掉
housing.drop("total_bedrooms", axis=1)  

 # option 3 使用"total_bedrooms"的中值填充缺失值
median = housing["total_bedrooms"].median()
housing["total_bedrooms"].fillna(median)

此外，sklearn提供了专门的Imputer类来处理缺失值，具体使用教程可参考：https://www.jb51.net/article/259441.htm。