定义
数据清洗:把“脏数据”变为“干净数据”。
脏数据:残缺数据、错误数据、重复数据、不符合规则的数据、…
数据清洗的流程
- 数据读写
常用方法:pd.read_csv("文件路径")
,pd.read_excel("文件路径")
- 数据探索与描述
常用方法:df.info()
,df.describe()
- 数据简单处理
常用方法:去除数据间的空格,英文字母的大小写转换 - 重复值处理
常用方法:duplicated()
,drop_duplicates()
- 缺失值处理
常用方法:删除缺失值、均值填补法、向前/向后填充、模型填补法 - 异常值处理
常用方法:删除异常值、作为缺失值处理、平均值修正、盖帽法修正、不修正(发掘业务价值) - 文本字符串处理
常用方法:去除前后空格、处理中间有括号、逗号等的数据、正则表达式提取数据 - 时间序列处理
常用方法:系统时间格式化、系统时间与时间戳相互转换、年月日提取