问题背景

在使用pandas时查询一份csv文件并进行缺失值处理，

附上pandas学习网址

python使用pandas模块介绍以及使用，dataframe结构，Series结构，基本数据操作,DataFrame运算，pandas画图，存储https://blog.csdn.net/weixin_55579895/article/details/120709917

处理缺失值时发现nan值以外的“？”标记数值，先将他变成nan值，然后使用fillna方法进行替换时报错

代码如下：

st = st.replace(to_replace='��',value=np.nan)
st2 = st1['close'].fillna(st1['close'].mean(),inplace=True)
st2

成功变成了nan值，但是在后面的fillna方法中报错

TypeError: unsupported operand type(s) for +: 'int' and 'str

处理问题

使用pd.info()方法查询各列的数据类型

st1.info()

由于错误值的存在，已经将整列的数据类型变成了object字符串类型，不能使用fillna（）方法来替换

方法1：直接删除

# 6.2.3 不是缺失值nan，有默认标记的

st1 = st.replace(to_replace='��',value=np.nan)
st1.mean()
st1

# 2、在进行缺失值的处理
# 删除
st2 = st1.dropna()
st2

方法2：使用列数据类型转换方法

• astype(np.float)
  给原数据增加个新列，把修改后的列赋值过去，删除旧列，或者直接用新列覆盖旧列

先看前者，增加新的列

st1['colse1'] = st1['close'].astype(np.float)
st1.info()

然后令旧的列等于该列即可，我们直接用新列覆盖旧列

# 6.2.3 不是缺失值nan，有默认标记的

st1 = st.replace(to_replace='��',value=np.nan)
# st1.mean()
st1.info()

# 2、在进行缺失值的处理
# 转整列格式
# 直接用新列覆盖旧列
st1['close'] = st1['close'].astype(np.float)
st1.info()

再使用fillna进行值的转换,修改成功

st1['close'].fillna(st1['close'].mean(),inplace=True)
st1