动手学数据分析 Task02--数据清洗及特征处理

缺失值观察与处理

观察缺失值

#方法1
df.info()
#方法2
df.isnull().sum()

处理缺失值

#方法1
df[df['列名']==None]=0
#方法2
df[df['列名'].isnull()]=0
#方法3
df[df['列名 '] == np.nan] = 0

np.nan比None好用，因为数值列读取数据后，空缺值的数据类型为float64，用None一般索引不到。

重复值观察与处理

查看重复值

df[df.duplicated()]

处理重复值

#整行有缺失值的清理方法
df.drop_duplicates().head()