Pandas的数据初步探索（学习笔记）

Pandas数据结构

　　　　与R语言一样，python也常用于数据分析。除了常用的科学计算库Numpy和绘图库matplotlib之外，pandas也给python提供了强大助力。

　　　　首先要认识pandas的两种强大的数据结构Series和DataFrame。其中Series就是序列，类似一维数组，索引在左边，值在右边；而DataFrame则是类似于二维数组。

　　　　创建的Series进行numpy计算，都会保留值与索引之间的链接。可以知道Series的数据结构跟python的字典非常类似，可以用字典来直接创建Series：obj=pd.Series(dict)。DataFrame也有索引功能，可以用read_excel()函数打开表格，进行常见的数据统计。

数据质量分析

　　　　在拿到数据之后，我们通常先需要先进行数据质量分析。数据质量分析就是检查原始数据中，是否存在不符合要求以及不能进行分析的数据。脏数据包括：

　　　　1、缺失值

　　　　　　a、删除缺失记录

　　　　　　b、对缺失值插补

　　　　　　c、不处理

　　　　2、异常值

　　　　　　a、简单统计量分析，如最大最小值描述

　　　　　　b、如果服从正态分布，利用3δ原则。异常值被定义为一组测定值中与平均值的偏差超过三倍标准差的值

　　　　　　c、箱型图分析（对数据没有任何要求）

　　　　3、不一致的值

　　　　4、重复数据以及含有特殊符号