python数据清理的实践总结_python3常用的数据清洗方法(小结)

本文总结了Python3中数据清洗的常见方法,包括载入数据包、数据查看、缺失值处理、重复值检查、离散型和连续型数据处理、数据标准化及变量相关性分析。通过实例展示了如何使用Pandas、Numpy、Seaborn等库进行数据预处理。
摘要由CSDN通过智能技术生成

python3常用的数据清洗方法(小结)

发布时间:2020-08-22 21:00:48

来源:脚本之家

阅读:72

作者:竹子莱西

首先载入各种包:

import pandas as pd

import numpy as np

from collections import Counter

from sklearn import preprocessing

from matplotlib import pyplot as plt

%matplotlib inline

import seaborn as sns

plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体设置-黑体

plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

sns.set(font='SimHei') # 解决Seaborn中文显示问题

读入数据:这里数据是编造的

data=pd.read_excel('dummy.xlsx')

本案例的真实数据是这样的:

23765208573bfe0adbfe426f1f3f2ad0.png

对数据进行多方位的查看:

实际情况中可能会有很

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值