引言：在用python处理数据时，我们通常会遇到数据不完整的情况，比如有空值的时候，我们想要删除控制所在的行或列，或者是我们给空值设置为某一个值。这时候就可以用dropna和fillna两个函数来实现空值的处理。
目录
（一）、dropna()函数的用法。
dropna(axis,how,thresh,subset,inplace)
参数说明：
axis：这个参数默认为0，当等于0时代表的是删除空值nan所在的行，当等于1时删除空值所在的列。
how：这个参数的值默认为‘any’，表示的是删除空值所在的行或者是列，这个主要看前面的axis参数你设定是0还是1；当参数等于‘all’，表示的是删除一阵行或者是一整列都为空值nan的行或者列，如果你的某一行或某一列，不全为空值的话，则不会删除，即不起作用。
thresh：这个参数是一个整数x，意思是保留空值nan的数量小于x的每一行或者是每一列。比如我设置x=2，那么我每一行或者是每一列的非空值的数量大于等于2的行或者列都会被保存，具体是行还是列，那还是看前面的axis参数的设置。
subset：这个参数的意思是指定删除特定行或列的空值所在的列或行，如果axis=0，表示如果指定行x中有空值，则删除所在的列；如果axis=1，表示如果指定列x有空值，则删除空值所在的行。
inplace：这个参数默认为False，它的意思是你在处理空值nan时，是在原数据上处理还是在先把原数据复制一份，然后在副本上处理，在副本上处理的时候，原数据不受任何影响；如果inplace设置为True，那代表你在原数据上进行处理，原数据直接受影响。
讲完参数的概念，我们来看一个例子来看一下这些参数对函数的影响和作用。
示例：
先创建一个3X4的矩阵，然后在指定的位置设置一些空值，然后对包含空值的数据进行处理。
import numpy as np
import pandas as pd
dataSet = pd.DataFrame(np.arange(12).reshape(4,3),index=[0,1,2,3],columns=['a','b','c'])
dataSet.iloc[1,[1]] = np.nan
dataSet.iloc[2,[1,2]] = np.nan
print(dataSet)创建的数据如下图所示：
行标识是0，1，2，3；列标识是a，b，c，这是我自己命名的，不算矩阵数据哈。
?注意:我们这里声明参数的时候，没有声明的则都是默认的参数，声明的则都是把默认参数改为我们想要的参数，发挥的作用是不同的，没有声明的话，则看前面我对各个参数的解释。接下来看一下参数不同时，结果的差异。
调用函数dataSet.deropna(),所有的参数都为默认值，那么会删除空值所在的第一行和第二行的数据。我们来看以下结果。我直接把代码和结果截图在一起了。
?调用函数dataSet.dropna(axis=1),其他参数默认，删除空值nan所在的列。如下图所示。
?调用函数dataSet.dropna(axis=1,how='all'),我们会删除整列都是空值的=列，但是我们的数据中，没有一列都为空值nan的列，所以，结果还是原数据的结果，没有改变。结果如图所示。
?调用函数dataSet.dropna(axis=1,thresh=3),意思是我每一列的非空的值的数量只要大于等于3我就保留，否则删除这一列。因为原数据中，b这一列的非空值的数量为2，并不大于3，所以要删除b这一列。结果如下图所示。
?调用函数dataSet.dropna(axis=1,subset=[‘b’])，如果axis=0，表示如果指定行x中有空值，则删除所在的列；如果axis=1，表示如果指定列x有空值，则删除空值所在的行。所以我调用的这个语句的意思是，我要指定b这一列如果有空值的话我就删除空值所在的行，如果没有空值，那就不做操作。结果如下图所示。
?调用函数dataSet.dropna(inplace=True),参数为True时，表明我是在原数据上操作的，没有原数据的副本，我们上面调用的那些函数的参数inplace都是默认值False，我们在调用上面那些函数之后，可以打印输出一下dataSet这个原数据，他并没用改变。如果我这里是True的话，则原数据也改变了。如下图所示。可以看出原数据也改变了。
?总结：上面就是关于dropna函数的用法，大家可以通过改变不同的参数实践一下，看一下效果，动手实践会让自己更加印象深刻哦。
（二）、fillna()函数的用法
fillna(axis,mthod,limit,inplace)
看起来是不是和dropna函数的参数长的非常像。inplace的含义和dropna函数中的参数含义一样，这里不再解释。
axis：这个参数取1时，表示按照行来填充，取0时表示按照列来填充。默认为0，即按照列。和dropna函数的刚好相反。
method：这个参数的意思是填充的方式，如果为‘ffill’，则是将这个空值的前一个数据复制给这个空值；如果为‘bfill’，则是将这个空值的后一个数据复制给这个空值。如果不用这个参数，不声明即可。
limit：这个参数时限制填充的空值的个数，比如某一列有两个空值，我这里指定只填充一个空值，另一个空值不管它。
示例：我们还以之前的那个数据为例，创建数据矩阵。如下图所示，需要引入头文件numpy和pandas，看上面的程序。
?调用函数dataSet.fillna(100),如果不指定任何参数的时候，可以用一个数值来代替数据中的所有空值nan。如下如所示
也可以通过字典来将指定的地方的空值改为我们想要设置的值。
?调用函数dataSet.fillna(method='ffill'),这里我没有声明axis，则axis默认为0，即按照列进行处理，在这里空值nan将会由它所在的列的前一个不是空值的值来赋值给它。这里每一列空值的前一个值分别为1.0和5.0，则空值的值会等于他们所在列的这些值。如下图所示。
?调用函数dataSet.fill(method='bfill',limit=1),这里的method等于bfill，这里我没有声明axis，则axis默认为0，即按照列进行处理，在这里空值nan将会由它所在的列的后一个不是空值的值来赋值给它，并且我们限制，每一列最多只能填充一个空值，剩下的我们不管。如下图所示。
?关于inplace这个函数我们这里就不演示了，和上面的dropna函数的用法一致，默认是在数据的副本上进行的修改，原数据不会受改变。
总结：以上就是关于这两个函数的用法，在处理数据时，如果想要处理空值的话，这两个函数还是很有用的，能够得到我们想要的没有空值的数据。
编写不易，给个赞鼓励一下吧，转载请注明出处，每一个字都是纯手敲出来的。
如果问题，欢迎交流哈。
?