pandas学习笔记（二）

文章结构概述

• • pandas
    • • 缺失值(nan)处理
      • • 处理思路

    • 判定数据中是否包含nan

    • 移除包含nan的观测样本

    • 采用替换或插补方式进行处理

    • 实例

      • 非nan缺失值的处理方式

      • • 处理思路

      • 数据离散化处理

      • • 数据离散化的定义

    • 数据离散化的必要性分析

    • 数据离散化的实现方法论

    • 实例

      • pandas.concat()函数应用
      • pandas.merge()函数使用
      • 交叉表生成方法
      • 透视表构建方式
      • 分组与聚合操作
      • • 分组与聚合的概念解析

    • 分组与聚合功能的实现路径

      • 最后部分内容

pandas

缺失值(nan)处理

处理思路概述

1.思路一
对于样本数据量较大的情况，可直接将存在缺失值的若干行数据予以剔除
2. 思路二
可通过计算该行数据的平均数、中位数等统计参数，对缺失值进行相应的填补

判断是否存在nan

1. pandas.isnull(DataFrame)
   当数据中不包