Live and learn

range()

一行输多次循环的结果。

常见不规整数据主要有： 缺失数据 重复数据 异常数据 1. 缺失值处理 1.1 缺失值查看 Python缺失值一般用NaN表示。 info()：可返回每一列的缺失情况。 isnull()：判断哪个值是缺失值。如果是缺失值，则返回True。 1.2 缺失值删除 dropna()：默认删除有缺失值的行。 只要一行有缺失值，就把整行的值删掉。 dropna(how = “all”)：删除空白行，只会删除全为空值的行。 1.3 缺失值填充 一般情况下，只要缺失数据比例不过高，即不超过30%，尽量不删除，

Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。 3. 熟悉数据 head(n)：显示前n行，head()默认显示前5行。 shape()：获取数据的行数和列数，结果是元组。 df.shape() 的结果是(4,3)，表示df表有4行3列 info()：获取整个表中，所有列的数据类型 describe()：获取数值分布情况。 count mean std：标准差 min 25% 50% 75% max ...

名称 英文 使用符号 是否可修改 元组 tuple 小括号 () 否 列表 list 中括号 [] 是 字典 dict 大括号 {} 是