Pandas提供了isnull()和notnull()函数来检测缺失值。
举一反三
- Pandas中常见的数据清洗操作有空值和缺失值的处理，判断空值的函数有（ ）。 A: head() B: .empty() C: mean() D: isnull()
- 下列选项中,可以用于删除缺失值或空值的方法是(). A: isnull() B: notnull() C: dropna() D: fillna()
- 关于缺失值检测的说法正确的是() A: pandas中的interpolate模块包含了多种插值方法 B: null和notnull可以对缺失值进行处理 C: dropna方法既可以删除观测值,也可以删除特征 D: fillna用来替换缺失值的值只能是数据框
- pandas中查看数据框中是否存在缺失值的方法是( ) A: info B: describe C: isnull D: 以上都可以
- 关于缺失值检测的描述，说法错误的是（）。 A: pandas中None或NaN代表缺失值 B: 只能检测DataFrame中的缺失值 C: pandas检测缺失值的方法会返回一个由布尔值组成、与原对象形状相同的新对象 D: notna()方法返回的值为False说明存在缺失值