数据分析入门（二）数据清洗

我们得到的数据通常并不是一开始就是我们想要的，这时候我们需要对数据进行清洗，以期望最后以我们所要的方式呈现出来，并且便于后面的分析与建模。
上一篇：数据分析入门一

缺失值观察与处理

我们得到的数据中往往可能会有一些缺失值，这个缺失值如果不进行处理的话，会对我们后面的分析造成很大影响。

缺失值观察

一般我们可以用两种方法对缺失值进行观察，如下：

缺失值处理

对于缺失值我们可以将它舍去，有dropna()方法。我们也可以用其他的值进行填充，有fillna()方法。
关于这两个方法如何运用，我们在jupyter中将光标移动到方法处，按Shift+Tab键即可显示。

还可以去参考官网：