Pandas:数据清洗
1、缺失值的认定
由于数据的来源的复杂性、不确定性,数据中难免会存在字段值不全、缺失等情况,本文将介绍如何找出这些缺失的值。
2、缺失值的操作
3、数据替换
4、重复值及删除数据
5、Numpy格式转换
转换方法:
(1) ds.to_numpy()
(2) s.array
由于数据的来源的复杂性、不确定性,数据中难免会存在字段值不全、缺失等情况,本文将介绍如何找出这些缺失的值。
转换方法:
(1) ds.to_numpy()
(2) s.array