pandas常遇到的问题和基础语句的解决方法链接

在用pandas对arff格式的数据集进行数据预处理时，遇到了许多问题。写下这个博客是为了记录自己在使用pandas遇到的一些问题，对搜寻的解决方法进行归纳，方便以后查阅或是为出现其他人出现同样问题时提供解决路径。

利用pandas将arff转csv文件

链接1
https://blog.csdn.net/xzfreewind/article/details/79587726
链接2
https://www.jianshu.com/p/f1138475d052
转mat文件：
https://blog.csdn.net/geng333abc/article/details/80200179

利用python读取csv文件

链接1
https://www.cnblogs.com/cloud-ken/p/8432999.html
链接2
https://www.cnblogs.com/wqpkita/p/7285418.html

python常用语句

find()方法：
str.find(str, beg=0, end=len(string))
描述：Python find() 方法检测字符串中是否包含子字符串 str ，如果指定 beg（开始） 和 end（结束） 范围，则检查是否包含在指定范围内，如果包含子字符串返回开始的索引值，否则返回-1。
链接1：
http://www.runoob.com/python/att-string-find.html
python中axis=0 axis=1的理解：
https://blog.csdn.net/jiaxinhong/article/details/81772392
pandas之values和value_count()用法：
https://blog.csdn.net/zhuzuwei/article/details/80429209
常用函数：
https://blog.csdn.net/qq_18888869/article/details/83993002

利用pandas进行缺失值处理

处理思想链接：
https://blog.csdn.net/xzfreewind/article/details/77001293
处理方法链接：
https://www.jianshu.com/p/79086fa52803
https://www.cnblogs.com/creazylinux/p/7920170.html
https://blog.csdn.net/lwgkzl/article/details/80948548
https://blog.csdn.net/pipisorry/article/details/39482861
https://blog.csdn.net/weixin_38168620/article/details/79596819
https://blog.csdn.net/weixin_38490102/article/details/78867108
找到缺失值的位置：
https://www.jb51.net/article/138157.htm
https://blog.csdn.net/u012387178/article/details/52571725

利用python判断变量的属性

https://blog.csdn.net/weixin_34101229/article/details/85938165

pandas进行属性转换

dataframe的基本属性：
https://www.cnblogs.com/wodexk/p/10315582.html
链接：
https://blog.csdn.net/chenpe32cp/article/details/75452592
http://www.cnblogs.com/onemorepoint/p/9404753.html
https://blog.csdn.net/python_ai_road/article/details/81158376
pd.DataFrame(dtype= float)：
https://blog.csdn.net/The_Time_Runner/article/details/88952609

用pandas进行数据替换

链接：
https://blog.csdn.net/print_and_return/article/details/80594205

利用pandas进行数据拼接与直连

https://www.jianshu.com/p/b437ecff123d
https://www.cnblogs.com/HixiaoDi/p/7739863.html

数据的归一化和标准化

https://blog.csdn.net/hjxzb/article/details/78610961