Python中怎样处理缺失值

在Python的数据处理流程中，缺失值是数据清洗阶段的核心处理对象，合理处理缺失值能够保证后续数据分析与模型训练的有效性。不同的数据集和业务场景需要选择不同的缺失值处理策略，下面将从基础操作到进阶方法逐步展开说明。

缺失值的识别

在处理缺失值之前，首先需要准确识别数据中的缺失值。Python的pandas库提供了多种方法来检测缺失值，常见的缺失值表现形式包括NaN（Not a Number）、None以及空字符串等。

以下代码演示了如何识别DataFrame中的缺失值：

import pandas as pd
import numpy as np

# 构造包含缺失值的测试数据
data = {
    'name': ['张三', '李四', '王五', None],
    'age': [20, np.nan, 25, 30],
    'score': [85, 90, np.nan, 88]
}
df = pd.DataFrame(data)

# 判断每个元素是否为缺失值
print("每个元素的缺失值判断结果：")
print(df.isna())

# 统计每列的缺失值数量
print("n每列缺失值数量：")
print(df.isna().sum())

# 查看存在缺失值的行
print("n存在缺失值的行：")
print(df[df.isna().any(axis=1)])

删除缺失值

当缺失值占比极低，或者缺失值所在行/列对整体分析影响较小时，可以直接删除包含缺失值的行或列。pandas的dropna方法支持灵活配置删除规则。

常用的删除参数说明如下：

• axis：0表示删除行，1表示删除列，默认值为0
• how：any表示存在任意缺失值就删除，all表示全部为缺失值才删除，默认值为any
• thresh：设置非缺失值的最小数量，满足该数量的行/列才会保留
• subset：指定只检查特定列/行的缺失值

以下是删除缺失值的代码示例：

# 删除包含任意缺失值的行
df_drop_row = df.dropna()
print("删除包含缺失值的行后：")
print(df_drop_row)

# 删除全部为缺失值的列
df_drop_col = df.dropna(axis=1, how='all')
print("n删除全部为缺失值的列后：")
print(df_drop_col)

# 保留非缺失值数量大于等于2的行
df_thresh = df.dropna(thresh=2)
print("n保留非缺失值数量大于等于2的行后：")
print(df_thresh)

填充缺失值

删除缺失值可能会导致数据量损失，因此更多场景下会选择填充缺失值。pandas的fillna方法支持多种填充方式，也可以结合numpy的函数实现自定义填充逻辑。

固定值填充

使用固定的数值或字符串填充所有缺失值，适用于缺失值含义明确、可以用统一值替代的场景。

# 用0填充所有数值列的缺失值
df_fill_zero = df.fillna(0)
print("用0填充缺失值后：")
print(df_fill_zero)

# 用未知填充name列的缺失值
df_fill_name = df.copy()
df_fill_name['name'] = df_fill_name['name'].fillna('未知')
print("n填充name列缺失值后：")
print(df_fill_name)

统计量填充

根据列的数据特征，使用均值、中位数、众数等统计量填充缺失值，是数值型列最常用的填充方式。

# 用age列的均值填充age列的缺失值
age_mean = df['age'].mean()
df_fill_mean = df.copy()
df_fill_mean['age'] = df_fill_mean['age'].fillna(age_mean)
print("用均值填充age列缺失值后：")
print(df_fill_mean)

# 用score列的中位数填充score列的缺失值
score_median = df['score'].median()
df_fill_median = df.copy()
df_fill_median['score'] = df_fill_median['score'].fillna(score_median)
print("n用中位数填充score列缺失值后：")
print(df_fill_median)

前向/后向填充

前向填充（ffill）是用缺失值前一行/列的非缺失值填充，后向填充（bfill）是用缺失值后一行/列的非缺失值填充，适用于时间序列类数据。

# 前向填充
df_ffill = df.fillna(method='ffill')
print("前向填充后：")
print(df_ffill)

# 后向填充
df_bfill = df.fillna(method='bfill')
print("n后向填充后：")
print(df_bfill)

插值处理缺失值

对于有序数据，插值法可以通过已知数据点估算缺失值，比简单填充更贴合数据本身的分布规律。pandas的interpolate方法支持线性插值、多项式插值等多种插值方式。

# 构造时间序列数据
ts_data = pd.Series([1, np.nan, 3, np.nan, 5], index=pd.date_range('2024-01-01', periods=5))
print("原始时间序列数据：")
print(ts_data)

# 线性插值
ts_interp = ts_data.interpolate(method='linear')
print("n线性插值后：")
print(ts_interp)

不同处理方式的适用场景

实际项目中需要根据数据特点选择处理方式，以下是常见场景的参考：

Python缺失值处理pandasnumpyfillna修改时间：2026-06-14 18:12:20