【学习篇】pandas进行数据清洗

背景：最近做项目需要用到pandas进行数据清洗转化，一边DS一边开展工作，现在记录下学习到的pandas常用方法。

学习链接：https://www.runoob.com/pandas/pandas-tutorial.html

1. Pandas 特性介绍

Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。

Pandas 提供了丰富的功能，包括：

数据清洗：处理缺失数据、重复数据等。
数据转换：改变数据的形状、结构或格式。
数据分析：进行统计分析、聚合、分组等。
数据可视化：通过整合 Matplotlib 和 Seaborn 等库，可以进行数据可视化。

需要记住的示例，对自己理解pandas的数据结构有很大的帮助

2. Pandas 数据结构

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据）。

Series 是一种类似于一维数组的对象，它由一组数据（各种 Numpy 数据类型）以及一组与之相关的数据标签（即索引）组成。

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

从下面的例子可以记住Series 和 DataFrame的关系：

2.1 Series 方法

注意：Series可以自定义索引。

此处，只列举我目前实际用到的方法，按照方法使用的频率高低进行排序：

2.2 DataFrame 方法

DataFrame可以将其视为多个 Series 对象组成的字典。

此处，只列举我目前实际用到的方法，按照方法使用的频率高低进行排序：

常遇到的应用场景是读取CSV表格数据和将DataFrame写入取CSV表格：

3. Pandas 进行数据清洗

3.1 Pandas 清洗行列空值

3.2 Pandas 数据清洗常用方法

一如既往，此处，只列举我目前实际用到的方法，按照方法使用的频率高低进行排序：