python数据分析知识点汇总（⼀）⼀、缺失值
1.缺失值的产⽣ ？有以下3种情况
（1）有些信息暂时⽆法获取
（2）有些信息被遗漏
（3）有些信息被错误处理
2、缺失值的处理⽅法有哪些？主要有以下3种
（1）数据补齐
（2）删除对应缺失⾏
（3）不处理
3、缺失值处理，删除对应缺失⾏⽤的是dropna()函数
dropna函数作⽤：去除数据结构中值为空的数据
dropna函数语法：dropna()
下⾯⽤⼀个例⼦说明：
先导⼊库，别名
import pandas as pd
大学python知识点汇总
import numpy as np
然后这⾥有⼀个带有缺失值的商品的数据（品牌、商品名称、商品⽑重、产地、硬盘、尺⼨）
这时候我们想要删除缺失值所在⾏，就可以⽤上⾯说的dropna()函数
⼆、空值处理
处理空值⽤的是strip()函数
strip函数作⽤：清除字符数据左右的空格
strip函数⽤法：strip()
三、字段提取
字段提取是根据已知列数据的开始和结束位置，抽取出新的列
字段截取函数: slice(start,stop)
这⾥我⽣成了3个电话号码，我想提取出这⼏串号码的某⼏个数字
因为电话号码是数值，要将数值转换成字符才能⽤str.slice()这个⽅法提取字段
四、字段拆分
字段拆分是指按照固定的字符，拆分已有字符串
字符分割函数：split(sep,n,expand=False)
参数说明：sep ⽤于分割的字符串；n 分割成⼏列；expand 是否展开为dataframe，默认为False 返回值：如果expand为True，返回dataframe；如果expand为False，则返回series
下⾯⽤例⼦说明，我⽤的是之前博⽂⾥⾯的店铺数据
我要分割price这个字段，提取出price这列的数值，观察price这⼀列可以看到，所有带有‘￥’这个符号
的都跟着价格，带有‘⼈均’这两个字的不⼀定带有价格，因此我们就根据‘￥’这个固定字符去拆分字符串，并提取出价格；
平时⽤到最多的筛选应该是字符串的模糊筛选，在pandas中⼀般使⽤ains()来实现；先是通过ains()筛选出带有'￥'这个符号的字符串，然后使⽤split()根据'￥'去分割字符串，因为价格这个数值是在最后⼀个位置，所以我提取的时候⽤了str[-1]，这⾥要注意的是从左到右0开始，从右到左-1开始。
五、记录抽取
记录抽取是根据⼀定的条件对数据进⾏抽取
记录抽取函数：dataframe[condition]
参数说明: condition 过滤的条件
返回值：dataframe
常⽤的条件类型
(1)⽐较运算：（>、<、>=、<=、!=）
例如：df[dfments>10000]
(2)范围运算 between(left,right)
例如：df[dfments.between(1000,10000)]
(3)空值匹配 pandas.isnull(column)
例如：df[pandas.isnull(df.title)]
(4)字符匹配 ains(patten,na=False)
例如：df[df.ains('台电'，na=False)]
(5)逻辑运算：与（&）、或（|）、取反（not）
例如：df[(dfments>=1000)&(dfments<=10000)]
与上⾯的范围运算 （df[dfments.between(1000,10000）])等价
还是前⾯的店铺数据，我就⽤上⾯已经提取出来的价格进⾏记录抽取操作提取出价格⼤于1000的所有店铺信息
提取出价格在（1000,5000）之间的所有店铺信息，有两种⽅法：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。