2025.1.22（周三）

数据清洗是分析过程中最耗时的部分之一。遇到的一个常见问题是如何处理缺失值，特别是当数据缺失的比例较高时，应该选择合适的填充方式。

如何使用不同策略填充缺失值：

import pandas as pd

# 假设数据中有缺失值
data = pd.read_csv('data.csv')

# 使用均值填充
data['column_name'] = data['column_name'].fillna(data['column_name'].mean())

# 使用前一个值填充
data['column_name'] = data['column_name'].fillna(method='ffill')

# 使用特定值填充
data['column_name'] = data['column_name'].fillna(0)

# 查看填充后的数据
print(data.head())