一、为什么数据清洗?
数据清洗实质上是将实际业务问题中,脏数据清洗干净,转换为‘干净的数据’,所谓的脏,指数据可能存在以下几种问题(主要问题):
1.数据缺失(Incomplete):属性值为空;
2.数据噪声(Nosiy):数据值不合乎常理;
3.数据不一致(Inconsistent):前后存在矛盾;
4.数据冗余(Redundant):数据量或者数据数目超出数据分析需要的情况;
5.离群点/异常值(Outliers):偏离大部分值
6.数据重复:出现多次的数据;
二、数据清洗步骤
1.数据获取,使用read_csv或者read_excel;
2.数据探索,使用shape,describe或者info函数;
3.行列操作,使用loc或者iloc函数;
4.数据整合,对不同数据源进行整理;
5.数据类型转换,对不同字段数据类型进行转换;
6.分组汇总,对数据进行各个维度的计算;
7.处理重复值、缺失值和异常值以及数据离散化;
三、函数大全
1.数据整合:mearge,concat;
2.日期格式转换:pd.to_datetime;
3.字符串操作:str函数;
4.数据类型转换:astype;<