Day 04 · 数据清洗：缺失值、异常值、重复值一站式处理

梅雅达编程笔记 2026-07-28 15:37:44

https://blog.csdn.net/2601_96428997/article/details/163216661?spm=1011.2124.3001.6209

往期回顾

Day 01 · 数据可视化到底在干啥？为什么 AI 让它变简单了

Day 02：环境搭建 Python 数据分析零成本工具包

Day 03 · Pandas 快速上手：读取、清洗、整理数据

专栏推荐

「AI Python 系列」第 02 栏 · AI 数据可视化（连载中）

「AI Python 系列」第 01 栏 · AI+自动化办公（连载中）

「AI Python 系列」第 03 栏 · Python 爬虫实战（连载中）
资源领取

关注作者获取本栏完整代码和数据集

原创声明：本文为梅雅达编程笔记原创作品，未经允许不得转载。
————————————————
版权声明：本文为CSDN博主「梅雅达编程笔记」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/2601_96428997/article/details/163216661

...全文

46 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

目录一、读取CSV文件二、数据清洗1、识别并处理缺失值 2、识别并处理异常值3、识别并处理重复值三、分组处理1、设置行索引：data.set_index("Index")2、数据分组统计：groupBy()声明：本文为学习笔记，侵权删所用函数：pandas.read_csv(file_path)数据挖掘时我们更多得会使用CSV文件，而不是Excel文件。如果数据本身以Excel的形式存储，只需打开，另存为CSV文件即可。读取CSV文件需要调用pandas包，没有的自行pip一下哦。举例：运行结果：如果

数据处理步骤 1.数据清洗 1）处理缺失值 ①查看 df.info():查看数据基本信息 ②查找 df.isna():查找DataFrame对象缺失值，缺失数据用True表示，False表示不缺失 df[‘列索引’].isna():指定列查找缺失值 Series.isna():查找Series对象缺失值 ③删除 df.dropna():删除两大对象中含有缺失的数据(行) df.dropna(subset=[‘列索引’]):删除指定列缺失的行 ④填充 fillna()方法给

数据分析DAY06 pandas可视化底层也是matplotlib 基本绘图 Series数据可视化 Series提供了plot方法以index作为x，以value作为y，完成数据可视化： ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000)) ts = ts.cumsum() ts.plot() DataFrame数据可视化 DataFrame提供了plo

数据分析DAY06 pandas可视化底层也是matplotlib 基本绘图 Series数据可视化 Series提供了plot方法以index作为x，以value作为y，完成数据可视化： ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000)) ts = ts.cumsum() ts.plot() DataFrame数据可视化 DataFrame提供了plo

304,254

社区成员

1,114

社区内容

发帖

与我相关

我的任务

python 个人社区广东省·深圳市

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章