数据分析与可视化 课件 第4章_Pandas数据分析进阶.pptx

数据分析与可视化 课件 第4章_Pandas数据分析进阶.pptx

数据分析与可视化课件

第4章 Pandas数据预处理与深加工函数的映射与应用数据的融合与堆叠索引的高阶应用数据变换与数据离散化 数据清洗数据的标准化5641234.1 数据清洗4.1.1 缺失值标记与检测Pandas 异常处理 数据清洗或数据清理是从记录集、表或数据库中检测和纠正损坏或记录不准确的数据的过程。识别数据中不完整、不正确、不准确或不相关的部分,然后替换、修改或删除脏的或粗糙的数据。4.1.1 缺失值标记与检测Pandas 提供以下核心的数据清洗操作:DataFrame.dropna(self[, axis, how, thresh, …])DataFrame.fillna(self[, value, method, …])DataFrame.replace(self[, to_replace, value, …])DataFrame.interpolate(self[, method, axis, …])缺失值处理Pandas 缺失值处理 一般使用特殊类型 NaN 代表缺失值,可以用 Numpy 可定义它np.NaN/np.nan。在 Pandas 1.0 以后实验性地使用一个标量 pd.NA 来代表。 检查缺失值为了更容易地检测缺失值(以及跨越不同的数组dtype),Pandas提供了 isnull() 和 notnull() 函数,它们也是Series和DataFrame对象的方法

文档评论(0)

1亿VIP精品文档

相关文档