1、空单元格
分析数据时，空单元格可能会给带来错误的结果。
2、删除行
处理空单元格的一种方法是删除包含空单元格的行。
这通常是可以的，因为数据集可能非常大，并且删除几行不会对结果产生很大的影响。
例如：
返回没有空单元格的新数据框：
import pandas as pd
df = pd.read_csv('data.csv')
new_df = df.dropna()
print(new_df.to_string())在我们的清理示例中，我们将使用一个名为“dirtydata.csv”的CSV文件。
dirtydata.csv文件：https://www.cjavapy.com/download/5fe1f9d0dc72d93b4993067e/
注意：默认情况下，dropna()方法返回一个new数据框，并且不会更改原始DataFrame。
如果你想改变原始的DataFrame，使用inplace = True参数:
例如：
删除所有带有NULL值的行：
import pandas as pd
df = pd.read_csv('data.csv')
df.dropna(inplace = True)
print(df.to_string())Note:
dropna(inplace = True)不会返回一个新的DataFrame，但是它会从原始DataFramee中删除包含NULL值的所有行。
3、替换空值
处理空单元格的另一种方法是改为插入新值。
这样，不必仅由于某些空单元格而删除整个行。
fillna()方法允许我们用一个值替换空单元格：
例如：
将NULL值替换为数字130：
import pandas as pd
df = pd.read_csv('data.csv')
df.fillna(130, inplace = True)仅替换指定的列
上面的示例替换了整个数据框中的所有空白单元格。
要仅替换一列的空值，请为DataFrame指定列名：
例如：
将"Calories"列中的NULL值替换为数字130:
import pandas as pd
df = pd.read_csv('data.csv')
df["Calories"].fillna(130, inplace = True)4、Replace 使用Mean, Median, 或 Mode
替换空单元格的一种常用方法是计算列的平均值，中位数或众数。
Pandas使用mean()median（）和mode（）方法来计算指定列的相应值：
例如：
计算平均值，并用其替换任何空值：
import pandas as pd
df = pd.read_csv('data.csv')
x = df["Calories"].mean()
df["Calories"].fillna(x, inplace = True)例如：
计算MEDIAN，并用它替换任何空值：
import pandas as pd
df = pd.read_csv('data.csv')
x = df["Calories"].median()
df["Calories"].fillna(x, inplace = True)例如：
计算MODE，并用它替换任何空值：
import pandas as pd
df = pd.read_csv('data.csv')
x = df["Calories"].mode()[0]
df["Calories"].fillna(x, inplace = True)