pandas数据清洗

1.重命名函数（作用于行列）：df.rename()

df.rename(columns={'id':'student_id','first':'first_name','last':'last_name','age':'age_in_years'},inplace=True)

df.rename(columns={'id':'student_id','first':'first_name','last':'last_name','age':'age_in_years'},index={0:'a',1:'b',3:'c'},inplace=True)

2.排序函数（作用于行列）

（1）按标签排序：df.sort_index(axis=0/1,ascending=True/False) 

注：默认按axis=0的行标签进行升序排序

df.sort_index(ascending=False)

（2）按值排序：df.sort_value(by='列名')

3.去重函数：df.drop_duplicates(subset=['A','B','C'],keep='first',inplace=True)

subset可指定去重列

keep指定是否保留重复列，keep=False则不保留（first / last保留第一次/最后一次出现的重复项）

inplace指定是否修改当前df，inplace=True则修改，False则返回新的结果df

df.drop_duplicates(subset='email', keep='first', inplace=True)

补充：df.duplicated()——检查是否有重复值

4.缺失值处理函数集锦

（1）替换缺失值：df.fillna(n)或者df.replace(old,new)或者df.replace({0:'a',1:'b'})

df.replace({10:'a',20:'b'})

（2）删除缺失值：df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

axis决定行列（0/1）

how决定是否删除（any：存在NA值就删除；all：全都为NA值才删除）

thresh决定最小多少个NA值保留当前行或列

subset决定是否根据某个行or列的某个标签来删除

inplace决定是否修改df本身（True则修改，False则不修改）