剛開始先補(bǔ)充一下上一節(jié)課拉下的東西 完成的僅有 第一章的第一節(jié) 剩下的第二節(jié)與第三節(jié) 趕緊補(bǔ)上
后續(xù)的兩節(jié) 主要的是理解 pandas的兩種數(shù)據(jù)格式 DataFrame 與 Series 這里的一個(gè)簡(jiǎn)單的認(rèn)知 D是表格 S是鍵值對(duì) 都是一個(gè)二維的數(shù)據(jù) 簡(jiǎn)單的學(xué)習(xí)了對(duì)于表格的查詢操作 主要的還是要多練練手 多完成幾個(gè)有意義的項(xiàng)目
整體信息（直觀）.png
對(duì)于缺失值的處理
兩種方法 dropna 與 fillna 主要的都是針對(duì) np.nan這個(gè)值類型
dropna.png
image.png
刪除np.nan 參數(shù)的類型 默認(rèn)按照行進(jìn)行處理 axis='columns' 按照列進(jìn)行刪除 刪除的方式 默認(rèn)的是任意一個(gè)
默認(rèn)的類型都不在原表上進(jìn)行操作
fillna 參數(shù)類型
fillna.png
替換值 將np.nan進(jìn)行替換
傳播非空值 method=''ffill' '
fillna參數(shù).png
問題
image.png
自己感覺并不是所有的空值 都是np.nan的形式 自己也不知道那個(gè)更好一些
cut 與 qcut 對(duì)數(shù)據(jù)進(jìn)行分箱（離散化）處理
參數(shù)有三個(gè) 分割的列明 分割的規(guī)則 分割后的標(biāo)簽
image.png
查看文本變量及其種類 df.values_counts()
df.unique() 查看名稱
替換列名 replace 兩個(gè)參數(shù) 替換誰(shuí) 替換成什么
map 鍵值對(duì) 方式進(jìn)行替換
提取特征
利用正則表達(dá)式
