#### 数据清洗
- 数据读写
pd.read_csv() pd.read_excel()
- 数据的探索和描述
df.info() df.describe()
- 数据简单处理
去除空格 大小写的转换
- 重复值的处理
duplicated() drop_duplicates()
- 缺失值的处理
删除缺失值 均值填充法 向前填充,向后填充 模型填补法
- 异常值的处理
删除异常值 作为缺失值处理 平均值修正，盖帽法修正 不处理：业务分析挖掘价值
- 文本字符的处理
去除前后空格处理 处理中间有，() 之类的，用replace() 正则表达式提取
- 时间格式序列的处理
系统时间格式化 系统时间和时间戳相互转换 年月日的提取
seaborn函数
Seaborn 是一个基于 Matplotlib 的数据可视化库，专注于统计图形的绘制，旨在简化数据可视化的过程。
Seaborn 提供了一些简单的高级接口，可以轻松地绘制各种统计图形，包括散点图、折线图、柱状图、热图等，而且具有良好的美学效果。
利用seaborn函数对相关性矩阵进行展示是一个不错的选择
pandas的高级篇章
pandas内嵌matplotlib
kind : line,bar,barh,hist,scatter,box,kde,pie,area ``` py data = {‘Category’: [‘A’, ‘B’, ‘C’, ‘D’], ‘Value’: [10, 15, 7, 12]} df = pd.DataFrame(data)
df.plot(kind=’bar’,x = ‘Category’,y = ‘Value’,title=”aa”, xlabel=”Category”,ylabel=”Value”,figsize=(8,5)) plt.show()
1
2
3
##### 利用Seaborn
``` py
#此处省略
