Datawhale-动手学数据分析-Task2

第二章数据清理及特征处理

1. .dropna() 函数 官方文档🔗

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

参数	功能
axis	axis 确定是否删除包含缺失值的行或列 axis = 0 时删除包含缺失值的行（默认值） axis = 1 时删除包含缺失值的列
how	how 确定是行/列中均为 NaN 或者有 NaN 就将此行/列删去 how = 'any' 时删除有缺失值的行/列（默认值） how = 'all' 时删除全是缺失值的行/列
thresh	（可选）thresh = n(←int) 可以选择至少保留多少行数据
subset	（可选）在哪几列中删去含有 NaN 值的行/列
inplace	是否直接在原处修改（默认值为False）

2. .fillna() 函数 官方文档🔗

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

参数	功能
value	用于填充 NaN 的值可以是 scalar（标量）, dict, Series, or DataFrame
method	pad / ffill 用前面行/列值，填充后面的 NaN 值 backfill / bfill 用后面行/列值，填充前面的 NaN 值 默认值为 None
axis	同 .dropna()
inplace	同 .dropna()
limit	若 method 有设定，如果存在多个连续的 NaN 值，每段最多填充前 limit 个空值 若 method 未设定,如果存在多个的 NaN 值，每段最多填充前 limit 个空值 默认值 None
downcast	尝试向下转换为适当的相等类型 默认值 None

3. 【思考】检索空缺值用np.nan,None以及.isnull()哪个更好，这是为什么？如果其中某个方式无法找到缺失值，原因又是为什么？
   A：应该是 np.nan 更好 看其他博客解释因为Pandas的底层为Numpy。
   如答案中的 df[df['Age']==None]=0 就没有成功将Age列的 NaN 值转换成0，因为他们两个的类型不一样

4. 分箱操作：按照特定的条件放到一个指定容器里，主要针对于连续变量。分为有监督 .cut()🔗 和无监督 .qcut()🔗

5. 处理字符数据 官方文档🔗

Series.str.extract(pat(Regular expression), flags=0, expand=True)