问答 · ANSWER
pandas 怎么处理缺失值（NaN）？
直接回答
使用isnull()识别缺失值，通过dropna()丢弃或fillna()填充处理，针对有序数据可采用前向或后向填充。
关键要点
- 使用 isnull() 检测缺失值，any() 方法可快速定位存在缺失值的行或列。
- 处理缺失值的两种核心策略是直接丢弃（dropna）和填充（fillna）。
- dropna() 默认丢弃任何列包含缺失值的整行，可通过 subset 参数指定列。
- fillna() 可用固定值填充，对有序数据常用前向填充（ffill）或后向填充（bfill）。
- 使用前向或后向填充前，数据必须是有序的（例如按时间排序）。
怎么选 / 怎么做
1. 识别缺失值：使用 df.isnull() 检测，结合 df.isnull().any() 或 df.isnull().any(axis=1) 定位。
2. 选择处理策略：
- 丢弃：使用 df.dropna() 丢弃含缺失值的行，或用 subset 参数指定列。
- 填充：使用 df.fillna(value) 用固定值填充。
- 智能填充：对有序数据，使用 df.ffill()（前向填充）或 df.bfill()（后向填充）。
常见问题
怎么快速找到哪些列有缺失值？
用 df.isnull().any() 检查，返回 True 的列即有缺失。
dropna() 会删除所有有 NaN 的行吗？
默认会。可用 subset 指定只检查某些列。
什么是前向填充（ffill）？
用缺失值前面的有效值进行填充，数据需先排序。