data.isna().sum() 查看缺失状况
data.dropna(how = 'all') # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1) # 丢弃有缺失值的列(一般不会这么做,这样会删掉一个特征)
data.dropna(axis=1,how="all") # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = ["Age", "Sex"]) # 丢弃‘Age’和‘Sex’这两列中有缺失值的行
时序类数据评估
重新编码
hubei_confrim.reset_index(drop=True,inplace=True)
指定x y 画图
def mypolt(col):
plt.figure(figsize=(17,10))
plt.xlabel('Time')
plt.ylabel(col)
plt.plot(hubei_confrim['ObservationDate'] ,hubei_confrim[col],'bD-')
plt.show()