數據清洗之前，我們必須先明白自己想要幹什麼，達成怎麼樣的效果，然後採取對應的方法來實現這個需求。
以下是對數據一些清洗方法介紹：
1. 查看空值
DataFrame.isna()
- DataFrame.isna()判斷該表的空值情況
- DataFrame.isna().sum()彙總該表空值情況的個數
- DataFrame.isna().sum().sort_values(ascending=False)按空值個數降序顯示
2. 丟棄空值
DataFrame.dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)
丟棄空值：
- axis
=0，丟棄含有空值的行；=1，丟棄含有空值的列。 - how
='any'，（行或列）只要有元素爲空，就（整行或整列）丟棄；='all'，（行或列）必須滿足所有值都爲空值，才丟棄（整行或整列）。 - thresh
=10,丟棄空值個數大於10的行或者列 - subset
=['a','b'],a列（行）或者b列（行）中有空值就丟棄該列（行）。(指定在哪些區域操作，不指定默認是全表) - inplace
= False,生成副本，原表不做改變；=True，在原表裏面做出改變
3. 填充空值
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None)
- value
=0,用0填充空值。 - method
='ffill',用空值前面的數值填充空值；='bfill',用空值後面的數值填充空值。（和value參數不能共用）。 - asis
='0'，代表行；='1',代表列。 - limit
=10,只填充10個空值。 - 後面不用管了。