1、开始,引入需要的包和函数
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
……
2、加载文件
df = pd.read_csv(‘路径’)
df.read() # 浏览数据信息
3、查重、去重
df.duplicated()
df.drop_duplicates()
4、缺省值处理
result = pd.read_csv(‘路径’,na_values = [‘NULL’]) # 标记缺失值
或者,可以用一个字典为各列指定不同的NA标记值:
setinelss = {‘message’:[‘fool’,‘NA’],‘someting’:[‘two’]}
pd.read_csv(‘路径’,na_values = sentinels) # 替换缺失值
查找缺失值:
print(data.isnull().sum())
滤除缺失值
data = data.dropna() # 默认丢弃任何含有缺失值的行
data.dropna(how = ‘all’) # 只丢弃全为NA的那些行
data.dropna(axis=1,how = ‘all’) # 丢弃列 ,只要传入axis = 1 即可
data.dropna(thresh = 3) # 只想留下一部分数据,即将含有NA的行删除
填充缺失数据