數據清洗與準備

主要介紹數據處理過程中，常用到的幾個函數。

1. 查看存在缺失值的特徵

#計算特徵缺失值個數
na_counts = data.isnull.sum()
#按缺失值個數降序輸出特徵
missing_values = na_counts[na_counts > 0].sort_values(ascending=False)

2. 缺失值過濾

#默認情況下會刪除包含缺失值的行
data.dropna()

#刪除所有值均爲NA的行
data.dropna(how="all")

#若想刪除列，可以傳入參數axis=1
data.dropna(axis=1)

#修改被調用的對象，而不是生成一個備份
data.dropna(inplace=True)

#限制條件判斷區域，刪除某些列中有空值的行
data.dropna(subset=["列名"])

3. 缺失值補全

data.fillna(value, method, axis, inplace, limit)
#value參數是用於填充缺失值的值，可爲標量或字典對象
#mothod參數是插值方法，默認是“ffill”，將前面同列的值作爲填充值
#axis是需要填充的軸，默認爲0
#inplace是修改被調用的對象，而不是生成一個備份
#limit用於前向或後向填充式最大的填充範圍