数据预处理的主要任务
数据清理
填充缺失值,识别/去除离群点,光滑噪音,并纠正数据中的不一致
数据集成
多个数据库,数据立方体或文件的集成
数据归约
得到数据的归约表示,它小得多,但产生相同或类似的分析结果:维度规约、数值规约、数据压缩
Pandas缺失值处理
删除
pandas中None与np.nan都视作np.nan,在pandas中,None和np.nan统一处理成NaN,类型为float型,可用于计算且运算结果扔为NaN。
pandas处理空值操作
isnull()如果为NaN就返回True,否则返回False
notnull()如果为NaN就返回False,否则返回True
dropna(): 过滤丢失数据(NaN)
fillna(): 填充丢失数据(NaN)Pandas缺失值处理
isnull().sum(),返回NaN的数目
填充
df.fillnull(),参数同上,这里略
df.drop_duplicates()删除相同行