pandas常用数据清洗方法
- df.duplicated() :判断各行是重复，False为非重复值。
- df.drop_duplicates()：删除重复行
- df.fillna(0)：用实数0填充na
- df.dropna()：按行删除缺失数据，使用参数axis=0；按列删除缺失值，使用参数axis=1，how = "all" 全部是NA才删，"any"只要有NA就删除
- del df['col1']：直接删除某列
- df.drop([]'col1',……],axis=1)：删除指定列，也可以删除指定行
- df.rename(index={'row1':'A'},columns ={'col1':'B'})：重命名索引名和列名
- df.replace()：替换df值，前后值可以用字典表,{'1':'A','2:'B'}
- hr_data['col1'].map(function)：Series.map，对指定列进行函数转换
- pd.merge(df1,df2,on='col1',how='inner',sort=True)：合并两个df，按照共有的列作内连接（交集），outter为外连接（并集），结果排序。
- pd.concat([df1,df2])：多个Series堆叠成多行。
- df1.combine_first(df2)：用df2的数据补充df1的缺失值NAN。
数据集介绍
以下各例子均使用如下数据集进行演示。
duplicated()
判断各行是重复，False为非重复值。
drop_duplicates()
删除重复行
通过指定列，删除重复行
fillna(value=0)
对缺失值进行填充 ,用实数0填充na。
df.dropna()
通常情况下，删除行使用参数axis = 0，删除列使用axis = 1。
按列删除缺失值，使用参数axis=1。
how = "all" 全部是NA才删，"any"只要有NA就删除
del df['col1']
直接删除某列。
df.drop()
- labels 就是要删除的行列的名字，用列表给定。
- axis=0 删除行，axis=1 删除列。
- index 直接指定要删除的行。
- columns 直接指定要删除的列。
删除指定行
df.rename()
重命名索引名和列名。
df.replace()
替换df值，前后值可以用字典表,{'1':'A','2:'B'}。
hr_data['col1'].map(function)
Series.map，对指定列进行函数转换。
pd.merge(df1,df2,on='col1',how='inner',sort=True)
merge 函数通过一个或多个键来将数据集的行连接起来。该函数的主要 应用场景是针对同一个主键存在两张包含不同特征的表，通过该主键的连接，将两张表进行合并。合并之后，两张表的行数没有增加，列数是两张表的列数之和减一。
{!-- PGC_COLUMN --}
- on=None 指定连接的列名，若两列需要连接的列名不一样，可以通过left_on和right_on 来具体指定
- how=’inner’，参数指的是左右两个表主键那一列中存在不重合的行时，取结果的方式：inner表示交集，outer 表示并集，left 和right 表示取某一边。
pd.concat([df1,df2])
拼接两个数据集，可在行或者列上合并。
axis=0 是行拼接，拼接之后行数增加，列数也根据join来定，join=’outer’时，列数是两表并集。同理join=’inner’，列数是两表交集。
df1.combine_first(df2)
合并重叠数据，用df2的数据补充df1的缺失值NAN。
