该篇博客详细介绍了pandas中处理缺失数据的方法，包括缺失值的运算与分组、填充与剔除、插值等。此外，还探讨了文本数据的处理，如字符串类型的区别、拆分与拼接、替换等。同时，讲解了分类数据的创建和结构。最后，涉及到时序数据的创建、索引属性以及重采样和窗口函数的应用。通过端午节淘宝粽子交易和墨尔本气温数据举例，提供实战练习。
6、缺失数据
缺失观测及其类型：了解缺失信息、三种缺失符号、Nullable类型与NA符号、NA的特性、convert_dtypes方法
缺失数据的运算与分组：加号与乘号规则、groupby方法中的缺失值
填充与剔除：fillna方法、dropna方法
插值：线性插值、高级插值方法、interpolate中的限制参数
【问题⼀】 如何删除缺失值占比超过25%的列
【问题⼆】什么是Nullable类型？请谈谈为什么要引入这个设计
【问题三】对于一份有缺失值的数据，可以采取哪些策略或方法深化对它的了解？
7、文本数据
- string类型的性质：string与object的区别；string类型的转换
- 拆分与拼接：str.split方法；str.cat方法
- 替换：str.replace的常见方法
最低0.47元/天 解锁文章
扫一扫
3013
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
