1 数据清洗
1.1 查看数据特征
np.sqrt( DataFrame ):计算每个元素的平方根
np.abs( DataFrame ):计算每个元素的绝对值
Series.order( ):对元素重新排序
DataFrame.sum( ):计算DataFrame对象元素和 #axis=0计算行和,axis=1计算列和,默认计算行和
DataFrame.mean( ):计算DataFrame对象元素均值 #axis=0计算行均值,axis=1计算列均值,默认计算行均值
DataFrame.describe( ):描述性统计,计算DataFrame对象元素个数、均值、标准差、最大最小值、中位数
DataFrame.sort_index ( ascending = True/False,axis=0/1):重新对索引进行排序, True为升序、False为降序
DataFrame.sort_index ( by=[col1 , col2] ):对col1 、col2两列内容进行排序
corr( )、cov( ):计算元素的相关性和协方差。
注意:计算Series对象时,需要有两个Series对象: se1.corr( se2 )
DataFrame.corrwith( ):可计算对象元素间的相关性
1.2 删除非空数值
Series.dropna( ):删除所有NaN元素
Series.notnull( ):选取非空元素
Dataframe.dropna( axis, #axis=0,删除含有NaN值的行;axis=1,删除含有NaN值的列
how, #how = ‘any’,该行/列只要有一个及以上