数据清洗与准备

主要介绍数据处理过程中，常用到的几个函数。

1. 查看存在缺失值的特征

#计算特征缺失值个数
na_counts = data.isnull.sum()
#按缺失值个数降序输出特征
missing_values = na_counts[na_counts > 0].sort_values(ascending=False)

2. 缺失值过滤

#默认情况下会删除包含缺失值的行
data.dropna()

#删除所有值均为NA的行
data.dropna(how="all")

#若想删除列，可以传入参数axis=1
data.dropna(axis=1)

#修改被调用的对象，而不是生成一个备份
data.dropna(inplace=True)

#限制条件判断区域，删除某些列中有空值的行
data.dropna(subset=["列名"])

3. 缺失值补全

data.fillna(value, method, axis, inplace, limit)
#value参数是用于填充缺失值的值，可为标量或字典对象
#mothod参数是插值方法，默认是“ffill”，将前面同列的值作为填充值
#axis是需要填充的轴，默认为0
#inplace是修改被调用的对象，而不是生成一个备份
#limit用于前向或后向填充式最大的填充范围