数据处理指的是根据数据分析的目的，将收集到的数据进行加工、整理，形成适合数据分析的样式。主要分三个步骤来处理我们的数据，它们分别是：数据清洗、数据整理以及数据写入。

一、数据清洗

以下表数据为例：

这份数据索引为 1、3、4 的行完全重复。有一些数据的值为 NaN ，在 pandas 库中，NaN 代表缺失值，意思是这里的数据是空的。
在订单量、单价和销售额列中，我们能明显看到 0 和 999999999.0 的数值。首先，订单量如果为 0，那么这样的订单根本就不应该出现，这些数据也完整存在异常。
综上所述，这份数据同时存在缺失值、重复值以及异常值的问题，在进行数据处理时我们需要先将这些数据问题处理掉，这一过程也叫做数据清洗。

数据清洗的三个步骤

1.1处理缺失值

df.info() 能提炼出基本的数据信息，从而能让我们对于整体的数据有一个大概的印象
info—[ˈɪnfəʊ]—信息

# 查看 mask_data 的基本信息总结
mask_data.info()

运行结果：

其中主要包括：整体数据的总行数、各列数据类型统计、各列的列名、各列总共有多少非空数据、表格占用的系统空间等。
当非空数据与数据总量101942不一致时，说明这份数据有可能存在缺失值，处理这些缺失值的第一步，就是找到它们。

1.1.1查找数据中的缺失值

在 pandas 库中，我们可以使用 isna() 方法来查找 DataFrame 对象以及 Series 对象中的缺失值。它可以将查找结果以 DataFrame 对象或者 Series 对象的形式进行返回。

                      isna---伊斯纳

df.isna()返回的是 DataFrame 对象，Series.isna() 返回的就是 Series 对象。
返回对象中的内容都是布尔值，缺失数据会用 True 来表示，False 则代表这里的数据不缺失。
示例：

# 查看 mask_data 的缺失值
mask_data.isna()

从结果中我们可以直接看到数据前后 5 行的缺失情况，其中 True 的位置表示该位置的数据为缺失值。在 pandas 库中，除了直接输入 DataFrame 对象的名称能查看数据的前后 5 行之外，还可以使用df.head()或df.tail()方法查看数据。
对 DataFrame 对象使用 df.head() 方法默认可以查看数据的前 5 行，df.tail() 方法则默认可以查看数据的后 5 行
除了默认查看五行还可以在df.head()及df.tail()括号中填写数字，指定要看的行数
如：df.head(10) 查看前10行
head–[hed]–头 ，，， tail-- [teɪl] --n.尾;尾巴
示例：

# 查看数据后 5 行
mask_data.tail()

pandas 库中，NaN 代表的就是缺失数据。
对于缺失值，最简单的方法就是将含有缺失值的行直接删除，也可以给缺失值填充数据

1.1.2删除缺失值 dropna() （德普纳）

在 pandas 库中，可以使用 dropna() 方法直接删除 DataFrame 对象和 Series 对象中含有缺失值的数据
只要执行 df.dropna() 这一代码方法，就可以将 DataFrame 对象中包含缺失值的每一行全部删掉。
例：

# 删除所有缺失值
mask_data.dropna()

这时，当我们运行 mask_data.dropna() 代码返回的是一个删掉所有缺失数据的 DataFrame 对象，但这并不意味着它修改了 mask_data 数据，原mask_data 数据并没有改变，我们需要将 mask_data.dropna() 的运行结果重新赋值给 mask_data 变量，这样就可以将运行结果保存下来。
例：

# 删除所有缺失值
mask_data = mask_data.dropna()
# 查看数据基本信息总结
mask_data.info()

1.1.3

如果我们需要针对某几列的缺失数据进行删除，就需要用到df.dropna()的 subset 参数。

                     subset--- [ˈsʌbset] ---子集,分组;小组;

把要指定的列名写进中括号[]中，然后赋值给 subset 参数，就可以限定 dropna() 方法的删除范围。
比如我们想删掉除 test_data 中’品牌’、‘上牌时间’、 '里程数(km)'和 '保值率’四列数据缺失的行，可以如下书写代码：
test_data.dropna(subset=[‘品牌’, ‘上牌时间’, ‘里程数(km)’, ‘保值率’])
subset参数应是列表的形式。
总结图：

1.2处理重复值

第一步：1.2.1查找重复值：df.duplicated()

                    duplicated--- [ˈdjuːplɪkeɪtɪd‘] --复制，重复

我们可以直接使用 df.duplicated()方法来查找 DataFrame 对象中的重复数据。
使用 df.duplicated() 方法会返回一个 Series 对象，找出所有重复值。重复为 True，不重复为 False。
例：
in [21 ]

# 查找 mask_data 中的重复行
mask_data.duplicated()

Out[21 ]

0         False
1         False
2         False
3          True
4          True...
100951    False
100952    False
100953    False
100954    False
100955    False
Length: 100956, dtype: bool

返回结果很长…我们完全没有办法用肉眼进行观察。
我们可以将 mask_data.duplicated() 返回的结果放入中括号 [ ] 中，用来索引 mask_data 数据，查看 mask_data 数据中重复的行。

例：
In [ 22 ]

1 # 查看 mask_data 中的重复数据
2 mask_data[mask_data.duplicated()]

Out [ 22 ]订单编号      日期           省     订单量  单价 销售额
3   535a-4eca-8fa0-9cc54c66e11d 2020-01-01  河南  0.0 30.0    0.0
4   535a-4eca-8fa0-9cc54c66e11d 2020-01-01  河南  0.0 30.0    0.0
412 2b31-4392-be6e-19af71e40261 2020-01-09  河南  1.0 30.0    30.0
441 d707-4d5c-ac10-59d3fd3dc0bb 2020-01-10  广东  1.0 30.0    30.0
845 49f6-4bd5-97a5-aeb075a1c8c3 2020-01-16  湖北  8.0 40.0    320.0
... ... ... ... ... ... ...
100157  1ee1-41a6-8c0a-7c24f988689f 2020-06-25  湖北  8.0 30.0    240.0
100312  c72a-401d-8f11-39becb49d442 2020-06-26  湖北  9.0 30.0    270.0
100321  73f3-4d40-af4e-426548a7c539 2020-06-26  广东  3.0 30.0    90.0
100330  1265-4d27-a5c6-d3d6f44cd594 2020-06-26  广东  3.0 30.0    90.0
100772  a56d-4415-ad6e-020cdb154c35 2020-06-29  其他  0.0 30.0    0.0
448 rows × 6 columns

可以看到，这份数据中含有大量完全重复的行，这种重复数据并不具备分析的意义，而且会影响数据分析的结果，因此我们需要直接删除。

1.2.2删除重复值 df.drop_duplicates()

我们可以使用 pandas 库的 df.drop_duplicates() 方法直接删除 DataFrame 对象中重复出现的整行数据。
例：

In [ 23 ]
1 # 直接删除所有重复值
2 mask_data = mask_data.drop_duplicates()
3 # 查看 mask_data 中的重复数据
4 mask_data[mask_data.duplicated()]Out [ 23 ]
订单编号    日期  省   订单量 单价  销售额

在运行结果中我们能看见 mask_data 的表头下面是空的，说明到这里已经没有重复数据了。
df.drop_duplicates() 方法并不会将所有重复的行都删除。

在 pandas 库中只有重复出现的数据才会被判定为重复数据。
df.drop_duplicates() 方法删除的也都是重复出现的行，因此所有重复数据的第一行都会保留。
总结：

1.3处理异常值

1.3.1 检查异常值 describe()

describe— [dɪˈskraɪb] —描述
在 pandas 库中 describe() 方法则可以查看 Series 对象或者 DataFrame 对象的描述性统计信息。

In [ 26 ]
​1# 查看 mask_data 的描述性统计信息
2 mask_data.describe()
Out [ 26 ]订单量          单价       销售额
count   1.005080e+05   1.005080e+05   1.005080e+05
mean    9.551786e+05   9.552499e+05   9.592048e+05
std 3.089086e+07   3.089085e+07   3.089073e+07
min 0.000000e+00   3.000000e+01   0.000000e+00
25% 9.000000e+00   5.000000e+01   5.500000e+02
50% 2.000000e+01   5.000000e+01   1.700000e+03
75% 4.700000e+01   1.500000e+02   4.000000e+03
max 1.000000e+09   1.000000e+09   1.000000e+09

describe() 方法返回出来的统计信息分别代表数值型数据的频数统计、平均值、标准差、最小值、第一四分位数、中位数、第三四分位数以及最大值。

在计算机系统里，e+n 代表的是 10 的 n 次方。如上图的 1.009560e+05 代表的就是 1.009560 乘以 10 的 5 次方，也就是 100956

1.3.2 抽取数据范围

在pandas库中，有一种筛选数据的方法叫做布尔索引
前我们介绍过使用 df[‘列索引’] 来提取某一列的信息。在 pandas 库中，我们还可以在 df[ ] 中通过表达式的形式来提取一定范围的数据。
比如我们想选择 mask_data 数据中，单价一列小于等于 200 的数据，就可以设置条件表达式 mask_data[‘单价’] <= 200。
把它加入括号中索引：mask_data[mask_data[‘单价’] <= 200]，就可以选取 mask_data 数据中单价这一列小于等于 200 的数据。
例：

In [ 27 ]
1 # 筛选查看单价小于等于 200 的数据
2 mask_data[mask_data['单价'] <= 200]Out [ 27 ]订单编号       日期           省       订单量    单价    销售额
0   87af-48e5-8bed-c5dcf9ecc172 2020-01-01  广东  0.0  30.0   0.0
1   535a-4eca-8fa0-9cc54c66e11d 2020-01-01  河南  0.0  30.0   0.0
2   a56d-4415-ad6e-020cdb154c35 2020-01-01  湖北  1.0  30.0   30.0
5   953f-4b46-a8a2-0eb0e39818a8 2020-01-01  其他  0.0  30.0   0.0
6   953f-4b46-a8a2-0eb0e39818a8 2020-01-01  湖北  1.0  30.0   30.0
... ... ... ... ... ... ...
100951  8cad-41ee-85b7-c59b85f0ebe6 2020-06-30  湖北  10.0    30.0    300.0
100952  4ea4-480a-a070-295408955363 2020-06-30  湖北  6.0     30.0    180.0
100953  70f3-4461-9b5f-7f53a55c51b6 2020-06-30  湖北  10.0    30.0    300.0
100954  9cc8-4542-8fed-3145e1942504 2020-06-30  湖北  10.0    30.0    300.0
100955  f202-45df-96e2-ca4e4c389624 2020-06-30  湖北  5.0 30.0    150.0
100412 rows × 6 columns

如上单价小于等于 200 的数据就不显示了出来，这一操作就叫做布尔索引。

In [ 23 ]
1 # 查看单价小于等于 200 的数据
2 mask_data['单价'] <= 200
..................................
Out [ 23 ]
0         True
1         True
2         True
5         True
6         True...
100951    True
100952    True
100953    True
100954    True
100955    True
Name: 单价, Length: 100508, dtype: bool

如上，布尔索引的怎样实现，相当于给单价中每一个数据都进行了一次比较运算，然后将运算结果以 Serie 对象的形式进行返回。

最后，将单价小于等于 200 的数据筛选出来，重新赋值给 mask_data 就能过滤掉所有单价大于 200 的异常值。
例：

In [ 24 ]
1 # 筛选单价小于等于 200 的数据
2 mask_data = mask_data[mask_data['单价'] <= 200]
3 # 查看 mask_data 的描述性统计信息
4 mask_data.describe()
终端略.....

小结异常值的相关知识：

以上，数据就已经清洗完毕了，还需要整理数据将数据变得规整，这样才有利于后续的数据分析。

二、数据整理

数据整理指的是我们在数据分析前对所需字段进行数据排序、数据转换、数据抽取、数据合并、数据计算等准备操作。字段指的是表格的列
如下图：

为了便于按月分析，我们需要把以上按日统计的数据调整为月，然后作为新的月份字段保存到数据中。Python 中有一种专门储存时间日期的数据类型 —— datetime，我们可以直接从中提取想要的时间单位。但上面mask_data 中的日期列数据并不是datetime类型

需要将日期这一列的数据类型转换成datetime类型，才能从中提取月份信息。
这次的数据整理分成了三个步骤，分别是：转换日期数据、提取月份信息以及添加新列。

2.1.1转换日期数据

在 pandas 库中我们可以使用 pd.to_datetime(arg, format) 来将 DataFrame 对象或者 Series 对象的数据类型转换成 datetime 类型。

                        format---[ˈfɔːmæt] --格式

其中的 arg 参数为我们要转换的数据，它可以是 DataFrame 对象或 Series 对象，也可以是具体的某一个日期数据。
这次要转换的数据为 mask_data 中的’日期’字段，所以对应的 arg 参数就是 mask_data[‘日期’]。
format 参数为 datetime 类型的日期格式，如这份数据，它是以年-月-日的形式出现的，那么它对应的 format 就是 ‘%Y-%m-%d’（year-month-day的缩写）。
例：将’日期’字段的数据类型转换成 datetime，格式为’%Y-%m-%d’储存到 date_data 变量。(这里日期参数 Y 必须为大写，否则会报错)
‘%Y-%m-%d %H:%M:%S’ ：为转换为年-月-日 小时：分：秒 的形式。

In [ 28 ]
1 # 转换日期数据，并设置对应的日期格式
2 date_data = pd.to_datetime(mask_data['日期'], format = '%Y-%m-%d')
3 # 查看 date_data
4 date_dataOut [ 28 ]
2        2020-01-01
6        2020-01-01
11       2020-01-01
12       2020-01-01
13       2020-01-01...
100951   2020-06-30
100952   2020-06-30
100953   2020-06-30
100954   2020-06-30
100955   2020-06-30
Name: 日期, Length: 99485, dtype: datetime64[ns]

将’日期’字段转换成 datetime 类型后，我们就可以直接从中提取月份信息。

2.1.2 提取月份信息

这里需要用到 Series.dt.month。其中的 Series 指的就是刚才日期数据转换完后的 Series 对象，我将它赋值到了变量 date_data。

date--- [deɪt] ---日期 、data--- [ˈdeɪtə] ---数据 、day--- [deɪ] ---白天

Series.dt 可以把 datetime 类型的数据转成一种方便我们提取日期或时间的对象。这种对象包含多种属性，其中有 year（年）、month（月）、day（日）等。
想要获取这份数据的年、月、日的信息，可以通过 Series.dt.year、Series.dt.month 以及 Series.dt.day 来获取。
提取日期，如：s.dt.date 这里s 为一个Series对象，提取出整列的日期，
样式为：2022-05-31 取出的数据仍然为一个Series对象
提取时间，如：s.dt.time 样式为：14:59:00，数据属性同上。
例：提取月份信息

In [ 29 ]
1 # 转换日期数据，并设置对应的日期格式
2 date_data = pd.to_datetime(mask_data['日期'], format = '%Y-%m-%d')
3 # 提取日期数据中的月份信息
4 month_data = date_data.dt.month
5 # 查看 month_data
6 month_data
运行
Out [ 29 ]
2         1
6         1
11        1
12        1
13        1..
100951    6
100952    6
100953    6
100954    6
100955    6
Name: 日期, Length: 99485, dtype: int64

最后，将月份数据添加到原数据，方便之后使用。

2.1.3添加新列

在 pandas 库中，我们可以直接用 df[‘colname’] = Series 的方式来为原数据添加新的一列。
colname 指的是要添加的新列的列名。在这个案例中，colname 就是月份，即，直接对新增的这列数据进行赋值，就能为 DataFrame 对象添加新列。
例：

In [ 30 ]
1 # 将月份数据添加到原数据中
2 mask_data['月份'] = month_data
3 # 查看原数据
4 mask_data
运行
Out [ 30 ]
订单编号                         日期     省    订单量 单价    销售额 月份
2 a56d-4415-ad6e-020cdb154c35 2020-01-01湖北    1.0   30.0    30.0    1
6 953f-4b46-a8a2-0eb0e39818a8   2020-01-01湖北    1.0 30.0    30.0    1
11  87af-48e5-8bed-c5dcf9ecc172 2020-01-01湖北    1.0 30.0    30.0    1
12  535a-4eca-8fa0-9cc54c66e11d 2020-01-01湖南    1.0 30.0    30.0    1
13  d707-4d5c-ac10-59d3fd3dc0bb 2020-01-01广东    1.0 30.0    30.0    1
... ... ... ... ... ... ... ...
100951  8cad-41ee-85b7-c59b85f0ebe6 2020-06-30湖北    10.0    30.0    300.0   6
100952  4ea4-480a-a070-295408955363 2020-06-30  湖北 6.0  30.0    180.0   6
100953  70f3-4461-9b5f-7f53a55c51b6 2020-06-30湖北    10.0    30.0    300.0   6
100954  9cc8-4542-8fed-3145e1942504 2020-06-30湖北    10.0    30.0    300.0   6
100955  f202-45df-96e2-ca4e4c389624 2020-06-30湖北    5.0 30.0        150.0   6
99485 rows × 7 columns

小结：

三、数据调整

3.1、数据的列名设置：columns

3.1.1、创建DataFrame对象并设置列名

创建DataFrame对象：pd.DataFrame(data,columns)
data作为DF对象的数据可以是列表，也可以是字典。
以嵌套列表作为data数据传入时，列表的元素会作为 DataFrame 对象的行数据显示，且会为数据默认生成从 0 开始的列名。
因此，可以借助 参数 columns 来设置列名或列索引，columns可以为列表，该列表的长度需与传入 DataFrame() 的列表的元素长度一致。

                   columns -- [ˈkɒləmz] --柱

例：

In [ 4 ]
1 # 设置列表
2 students_info = [['小蓝', '语文', '79'],
3['小邱', '数学', '83'],
4['小李', '英语', '92']]
5
​
6 # 使用列表创建 DataFrame 对象，同时设置列名
7 students_df = pd.DataFrame (students_info,columns=['姓名','科目','分数'])
8 students_df

3.1.2、修改列名：columns

对于已创建好的 DataFrame 对象，是可以修改列名的，即，将需要修改的列名组合成一个列表，再把列表赋给 DataFrame 对象的 columns 属性，对列名进行了修改：df.columns = [‘A’, ‘B’, ‘C’, ]
如：students_df.columns=[‘名字’,‘科目’,‘分数’]

3.2、数据的排序：sort_values()

df.sort_values(by) 方法可以对指定列进行排序操作，如对某列数据进行升序排列。参数by的值可以是列名

例：students_df.sort_values(by=‘分数’)

注意:本方法会按分数的升序对所有行进行重新排序。
如果不想对上面的数据集进行排序，只想提取出【分数】列，单独进行排序，代码可以这么写：
students_df[‘分数’].sort_values() #返回的是Series 对象
另外，不单是 DataFrame 对象可以调用 sort_values() 方法，Series 对象也能调用该方法。但Series 对象调用该函数时，函数没有参数 by。因为 Series 对象不具备列索引（列名）

3.3、重置索引：s/df.reset_index(drop=True) 重置行索引

数据集经排序后的行索引可能不再是连续的，而是比较混乱，如下：

这里需要用到reset_index() 方法，例：
reset_goods = s/df.reset_index(drop=True)
重置后的行索引值从 0 开始。

默认情况下，drop 的值为 False，即保留原索引,如果使用默认值 False，它的运行结果将会如下图所示。

一般情况下，使用 reset_index() 重置索引时，且原索引没有参考价值，建议参数 drop 赋值为 True ，去除原索引。

示例代码：

In [ 15 ]
1 # 创建一个 DataFrame 对象的数据
2 humans_df = pd.DataFrame({'姓名': ['小猿', '小马', '小鱼', '小猫', '小 龙'], '身高': ['165', '170', '160', '172', '178']，'体重': [56, 45, 60, 40, 70]})
3 humans_df

查看：

对身高进行升序排序后，重置行索引，不保留原索引：

In [ 16 ]
1 # 依照【身高】列的数据进行升序排序
2 reset_humans = humans_df.sort_values(by='身高')
3 # 重置索引，且不保留原索引
4 reset_humans = reset_humans.reset_index(drop=True)
5 reset_humans

3.4、数值的四舍五入：round()

代码示例：

In [ 20 ]
1 # 创建一个 DataFrame 对象的数据
2 humans_df = pd.DataFrame({'姓名': ['小猿', '小马', '小鱼', '小猫', '小龙'], '身高': ['165', '170', '160', '172', '178'], '体重': [56.25, 45.63, 60.72, 40.34, 70.5]})
3 humans_df

将【体重】列的数据保留到一位小数：

In [ 21 ]
1 # 保留【体重】列的数据到一位小数
2 humans_df['体重'] = round(humans_df['体重'],1)
3humans_df

humans_df[‘体重’] = round(humans_df[‘体重’],1)
或者：round(humans_df[‘体重’],1)

如果写作：humans_df = round(humans_df[‘体重’],1)
返回的是一个Series对象，如下：

0 56.2
1 45.6
2 60.7
3 40.3
4 70.5
Name: 体重, dtype: float64

四、agg() 方法

4.1、使用agg() 方法对整列进行切片操作

以DF对象reset_goods为例：

如果要对列’库存’求和，但是每件商品的库存量后都附有单位，无法直接进行求和操作。
由于每个数据的单位都为一个字符，可以选择使用切片的方式切除
这里就可以使用 agg() 方法对整列的数据进行统一操作。

示例代码：
先定义一个函数 new_func()，功能是把传入的数据进行切片，切除数据的最后一个字符。

In [ 117 ]
1 # 定义函数 new_func()
2 def new_func(data):
3    number = data[:-1]
4    return int(number)

接着，使用 agg() 方法将【库存】列的每个数据都传入 new_func() 函数进行计算，并取得函数的返回值。

In [ 118 ]
1 # 使用 agg() 方法对【库存】列的数据进行切片处理
2 reset_goods['库存'] = reset_goods['库存'].agg(new_func)
3 reset_goods

agg() 的使用语法：

agg() 中的参数 func 可以为自定义的函数名，如上方定义的 new_func() 函数，在传入自定义的函数时，只需要写上函数名，不需要加上括号以及函数的参数。

代码中使用 reset_goods[‘库存’] 指定【库存】列，再通过 agg() 方法将【库存】列的数据依次传给函数 new_func() 的参数 data。
函数 new_func() 会切除传入数据的最后一个字符，再将切除后的字符串转换为整数型，然后返回该数据。
通过 new_func() 函数返回的每个数据，最终会形成一个 Series 对象。将该对象重新赋给 reset_goods[‘库存’]，【库存】列即为不带单位的数据。

计算各食品的总库存量：
reset_goods.groupby(‘名称’)[‘库存’].sum()

4.2、使用agg() 方法同时对多列进行统计计算

如果想在统计食品总库存量的同时，也能看到各食品在所有地区的平均单价， 这时使用agg() 方法时，该方法内的参数 func 需要传入字典。

示例：

In [ 120 ]
1 # 定义字典 dict_2
2 dict_2 = {3'单价': 'mean',
4'库存': 'sum'
5 }
6 # 同时计算各食品的平均单价和总库存量
7 reset_goods.groupby('名称').agg(dict_2)

说明：
1）使用 reset_goods.groupby(‘名称’) 让数据按【名称】列进行分组
2）定义一个字典 dict_2，字典的键为我们需要操作的列名，如 ‘单价’、‘库存’。字典的值为我们需要操作的函数名，这里我们需要求平均值函数 mean()，和求和函数 sum()
3）定义字典时只要函数名，不要函数名后的括号（）以及函数的参数
4）分组后的数据调用 agg() 方法时，为方法的参数 func 传入字典 dict_2，可以同时得到各食品的平均单价和总库存量。

五、数据写入

这里，可以使用 df.to_csv() 方法，将清洗好的数据写入 csv 文件中。
我们需要在括号中填写文件路径：‘./工作/mask_data_clean.csv’，以及参数 encoding = ‘utf-8’ 设置编码格式。
例：

In [ 41 ]
1 # 保存清洗干净的数据
2 mask_data.to_csv('./工作/mask_data_clean.csv', encoding = 'utf-8')

代码执行完后虽然不会有内容显示，但会生成一个【mask_data_clean.csv】文件。
打开【mask_data.csv】文件，会看到最左侧多了一列数据，如下…

这个数据是 DataFrame 对象的行索引。pandas 库将 csv 文件读取为 DataFrame对象 时都会自动生成行索引。
我们可以使用 df.to_csv() 方法的 index 参数来限制 DataFrame 对象的行索引是否写入到 csv 文件。它的默认值为 True，会让你写入的 csv 文件包含一列行索引。如果我们把这个参数设置为 index = False 就可以取消写入行索引，不用将行索引那一列写入 csv 文件。
例：

In [ 35 ]
1 # 保存清洗干净的数据，并取消写入行索引
2 mask_data.to_csv('./工作/mask_data_clean.csv', index = False)

同样，代码执行完毕后是不会有任何内容显示，打开【mask_data.csv】文件，就会发现左侧的行索引消失了。

本章总节：本部分包含数据清洗、数据整理以及数据写入三个步骤，如下图

数据分析二、pandas库数据处理相关推荐

1. Python数据分析之Pandas库

   Python数据分析之Pandas库 一.Pandas简介 二.Pandas库的安装 三.Pandas的数据结构 四.Series 和 DataFrame 数据结构的使用 五.其他可以参考的网站 一. ...

2. python中不能使用索引运算的是_Python数据分析之Pandas库（笔记）

   Pandas数据结构 pandas有两个基本的数据结构:Series和DataFrame. 1.1 创建Series数据 需要引入pandas模块:import pandas as pd 需要引入Se ...

3. Python数据分析～Pandas库30分钟快速入门

   目录 1  Pandas序列和数据表 2 Pandas数据聚合与分组运算 3 Pandas数据可视化 Pandas库在数据分析中是非常重要和常用的库,它利用数据框让数据的处理和操作变的简单和快捷.在数 ...

4. python中的pandas库_数据分析中 pandas 库的基本用法详解

   上篇分享了数据分析用到的一个库:Numpy 库,今天分享一个比 Numpy 更高效的库:pandas,它可以对数据进行导入.清洗.处理.统计和输出.pandas 是基于 Numpy 库的,可以说,pa ...

5. 数据分析——使用pandas进行数据处理

   使用pandas进行数据处理 概念介绍 pandas模块介绍 Series和DataFrame Series简介 DataFrame简介 DataFrame的常用属性方法 创建DataFrame Da ...

6. 数据分析之Pandas缺失数据处理

   ↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习,不错过Datawhale干货 作者:耿远昊,Datawhale成员,华东师范大学Pandas 是一个强大的 ...

7. Python数据分析之pandas库的使用详解

   本篇文章所依据是蚂蚁学Python作者讲解所写,且已征求作者的同意,内容基本都是视频中所讲的内容.视频满满的全是干货,也可一边看视频一边配合着本篇文章. 作者的公众号:蚂蚁学Python 作者也提供了 ...

8. python学习之数据分析(二):Matplotlib库:常用画图技巧, 折线图, 散点图,柱状图,直方图, 饼图

   一.Matplotlib之HelloWorld 1. 什么是Matplotlib: 专门用于开发2D图表(包括3D图表) 使用起来及其简单 以渐进.交互式方式实现数据可视化 2. matplotlib ...

9. 大数据分析-时间序列(pandas库 )

   pd.DatetimeIndex()与TimeSeries时间序列 pd.DatetimeIndex():生成时间index pd.Series/pd.DataFrame 可以将index 设置成时间 ...

最新文章

1. python解析任意json
2. Django报错SocialApp matching query does not exist以及Django的SITE_ID = 1的含义
3. 关于分区索引与全局索引性能比较的示例
4. VBS脚本压缩IIS日志
5. java eclipse profile_在 Eclipse 中集成JProfiler 进行 JAVA 项目性能分析
6. 说透Applet的数字签名之2——数字签名
7. amd自定义分辨率_Intel首款独显性能走光：AMD/NVIDIA芒刺在背
8. Kali下TheFatRat工具的安装教程
9. matlab中grid的用法
10. disallow root login remotely 不起作用?
11. 【玩转微信公众平台之二】 账号注册
12. Fasm汇编程序1.73，中文文档，第一章
13. 生产环境系统突然访问速度变慢问题排查
14. UVA 12325 宝箱 Zombie‘s Treasure Chest
15. 什么是程序员的核心竞争力？
16. 小明加密通道进入_门禁系统跟闸机通道的区分是什么？功能是一样吗
17. DVWA-Reflected XSS
18. json-lib使用详解——json小工具
19. Linux 您未安装Flash Player 或者版本过低
20. PHP 简单案例[1]

热门文章

1. (PHP)将别人女朋友照片转成动漫头像(详细)
2. 算法第一人左神（左程云）：深入解析字节算法面试题与数据结构
3. 2019总结，乘风破浪
4. 有一种感情叫无缘,有一种放弃叫成全
5. 永恒之蓝漏洞（windows7）
6. VM，CentOS7，gcc，mpich安装，vim配置，mpi代码运行示例
7. C#代表(delegate)
8. 微信群聊助手好用吗？微信群聊助手可以发多少个人？
9. android多媒体框架之流媒体----base on jellybean(八)
10. 阿尔·里斯-市场营销的22条法则(22条商规)-8