Python缺失值怎么处理_dropna删除与fillna填充策略解析-Python教程-PHP中文网

结论：优先用dropna而非fillna，当缺失值本身是有效信号（如设备离线）、填充会扭曲计算逻辑（如t检验）或导致分布失真（如高缺失率分类变量）时必须dropna。

python缺失值怎么处理_dropna删除与fillna填充策略解析

直接说结论：用 dropna 还是 fillna，不看“缺不缺”，而看“缺的值在业务里有没有意义”——比如用户注册时间为空，删掉可能丢转化漏斗；但传感器某次读数为空，填均值反而污染趋势。

核心判断点：缺失本身是有效信号，或填充会扭曲后续计算逻辑。

做时间序列建模时，fillna 用前向填充（method="ffill"）可能让模型误以为“数据一直没变”，但实际是设备离线——这时宁可删整行，保留“断连”的真实节奏
分类变量（如 "gender"）缺失率达 40%，填 "unknown" 会让类别分布失真；而 dropna 后若剩余样本仍满足最小支持度，就该删
调用 scipy.stats.ttest_ind 等统计函数前，它们内部不自动处理 NaN，强制填 0 或均值会导致 p 值失效——必须先 dropna，否则报错 ValueError: Input contains NaN

填错值比留空更危险。数值型、分类型、时间型，策略完全不同。

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

数值列（如 "price"）：
- 预测任务：用中位数（df["price"].median()），比均值抗异常值干扰
- 回归任务：用随机森林拟合其他特征来预测缺失值（sklearn.ensemble.RandomForestRegressor），但注意别造成数据穿越
分类型（如 "category"）：
- 不能填 0 或 "missing" 就完事——如果后续要做 pd.get_dummies，得提前确认 "missing" 是否在训练集出现过，否则测试时报 KeyError
- 更稳的做法是单独加一列 is_category_missing（布尔型），再对原列用众数填充
时间列（如 "order_time"）：
- 填 pd.NaT 是安全的，但某些数据库写入时会转成 1970-01-01；如果下游是 ClickHouse，得填 "1970-01-01 00:00:00" 字符串才兼容

绝大多数情况——别用。它看似省内存，实则埋坑。

函数链式调用时失效：df.dropna().fillna(0) 中 inplace=True 会让第一句返回 None，第二句直接报 AttributeError: 'NoneType' object has no attribute 'fillna'
Jupyter 里调试时，如果某步用了 inplace=True，再想回退只能重启 kernel，因为原 df 已被改写
唯一可考虑的场景：处理超大 DataFrame（>5GB），且确定后续不再需要原始缺失状态——但更推荐用 dask 或 polars 替代 pandas