1.重新设置索引
#将month设置为列索引
df.set_index('month')
2. 去重操作
df.drop_duplicates() ##删除重复行,保留第一个
# 删除brand那一列的重复项
df.drop_duplicates(subset=['brand']) # 默认保留第一个
# 保留最后一个
df.drop_duplicates(subset=['brand', 'style'], keep='last')
3. 缺失值处理
3.1 查看缺失值状态
data.info
3.2 删除缺失值
# 删除至少有一个缺失值的行
df.dropna()
# 删除至少有一个缺失值的列
df.dropna(axis=1)
# 删除确实所有元素的行
df.dropna(how="all")
# 删除缺失两个及以下元素的行
df.dropna(thresh=2)
3.3 缺失值填补
# 将所有NaN元素替换为0
df.fillna(0)
# 向前填充非空值
df.fillna(method="ffill")
# 向后填充非空值
df.fillna(method="bfill")
# 将时间这一列中所有的NaN替换为0,将指标这一列中所有的NaN替换为1
values = {"时间": 0, "指标": 1}
df.fillna(value=values)
4. map的用法
df = pd.DataFrame([[4, 9]] * 3,