Python缺失值处理:dropna与fillna详解
2026-03-24 21:18:48
0浏览
收藏
Python中处理缺失值的关键不在于机械地选择dropna或fillna,而在于深刻理解“缺失”本身的业务含义:当缺失代表真实状态(如设备离线、用户未填写)或填充会严重扭曲统计推断、模型逻辑或数据分布时,dropna不仅是合理选择,更是必要操作;反之,若缺失纯属信息丢失且下游任务对连续性敏感,则需按数据类型(数值/分类/时间)和任务目标(预测/统计/写入)谨慎填充——但无论哪种方式,填充后必须验证分布偏移,因为填错一个值,可能比留空更危险。

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。
什么时候必须用 dropna 而不是填一个数
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
fillna 填什么,取决于列类型和下游任务
填错值比留空更危险。数值型、分类型、时间型,策略完全不同。
- 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
- 预测任务:用中位数(
- 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
- 不能填
- 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
- 填
inplace=True 在 dropna 和 fillna 里到底要不要用
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
真正麻烦的从来不是“怎么填”,而是填完之后没人再检查分布偏移。比如填完中位数,df["age"].describe() 看似正常,但画个直方图会发现 35 岁堆成尖峰——那说明缺失集中在某个用户群,得回头查采集逻辑。
本篇关于《Python缺失值处理:dropna与fillna详解》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
PPT图片镜像翻转设置方法详解
- 上一篇
- PPT图片镜像翻转设置方法详解
- 下一篇
- 跆拳道财务系统实现与优化攻略
查看更多
最新文章
-
- 文章 · python教程 | 19小时前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 20小时前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 20小时前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 20小时前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 20小时前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 20小时前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 文章 · python教程 | 21小时前 | 依赖管理 · 故障排查 · Python教程 · Python importlib.metadata packages_distributions 发行包 导入名
- Python 怎样根据导入名查询对应的发行包
- 138浏览 收藏
-
- 文章 · python教程 | 21小时前 | 数据校验 · Python教程 · Python Pydantic JSON校验 model_validate_json strict mode
- Pydantic model_validate_json 怎样在严格模式下解析请求体
- 417浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1080次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1079次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1244次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1184次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1029次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

