pandas数据分析（5）
pandas使用Numpy的np.nan代表缺失数据，显示为NaN。NaN是浮点数标准中地Not-a-Number。对于时间戳，则使用pd.NaT，而文本使用的是None。
首先构造一组数据：
使用None或者np.nan来表示缺失的值：
清理DataFrame时，如果要移除所有包含缺失数据的行：
如果只想移除所有的值都缺失的行，可以使用how参数：
要想获得一个反映对应位置上是否是NaN的布尔DataFrame或Series，可以使用isna方法：
还可以使用fillna来填补缺失的值，例如将score列中的NaN替换为平均值：
和缺失数据一样，重复数据也会对数据分析的可靠性造成负面影响。可以使用drop_duplicates方法清理重复的行。也可以提供列的子集作为参数：
执行drop_duplicates("country", "continent")，如果某些行的country和continent都一样，则保留第一行，删除后续和它一样的行。
is_unique用于确认某一列是否包含重复的数据，unique则可以获得去重后的值。
duplicated方法可以知道哪些行是重复的，它的返回值是一个布尔Series。keep参数默认值是first，意思是会保留第一次出现的数据，只将重复数据标记为True。将keep参数设置为False时，所有重复数据（包含第一次出现的数据）都会被标记为True。
原文地址：https://blog.csdn.net/qq_42797317/article/details/140095586
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！