首先我们做数据分析，想要得出最科学，最真实的结论，必须要有好的数据。而实际上我们一般面对的的都是复杂，多变的数据，所以必须要有强大的数据处理能力，接下来，我从我们面临的最真实的情况，一步一步教会大家如何做。
1.数据的读取
(1)读取模块
Import pandas as pd
Import numpy as np
(2)读取表格的全部数据
df = pd.read_csv(“.data/HR.csv”)
(3)读取你所需要的数据
sl_s=df[“sactisfaction_level”]
- 数据的处理
2.1.异常值(空值)处理
2.1.1删除
首先，第一步是对空值的处理。
有两种，一种直接删除，另一种指代。
如果数据多，想简单一点，就直接删除，方法都很简单。
首先，建立一个DataFrame表
1.为了确定是否含有空值：
df.isnull() #如果含有空值，返回True
2.删除
df.dropna() #去掉含空值的行
如果想要删除某一个属性含空值的行就加入subset参数
df.dropna(subset=[“B”]) #去掉B属性含空值的行
判断是否有重复的数据：
df.duplicated([“A”]) #A属性中重复的数据返回True
删除A属性重复的行
df.drop_duplicates([“A”])
df.drop_duplicates([“A”],keep=False) #删除A属性全部重复的行
df.drop_duplicates([“A”],keep=first) #删除A属性全部重复的行，保留第一个
df.drop_duplicates([“A”],keep=last) #删除A属性全部重复的行，保留最后一个
2.1.2指代
有些数据非常重点，不能删除，那我们就选择指代，也就是替换
含空值的数据被替换为”b*”
df.fillna(“b*”)
E属性中的含空值的数据被替换成该属性的平均值
df.fillna(df[“E”].mean())
插值替换
如果含空值的元素为最后一个，那么空值的数据替换成和上一个数据一样
怎么含空值的元素为中间，那么空值的数据被(上+下)/2代替
df[“E”].interpolate()
3次样条插值 order 参数就是几次样条插值
df[“E”].interpolate(method=”spline”,order=3)
*函数
(4)异常值分析(含有就返回True) –isnull()
sl_s.isnull()
主要表示没有空值
(5)提取异常值的该属性信息
sl_s[sl_s.isnull()]
(6)提取异常值的表格全部信息
df[df[“sactisfaction_level”].isnull()]
(7)丢弃异常值 –dropna()
sl_s=sl_s.dropna()
注：删除为空的异常值
可以利用where()把异常数据赋空，然后利用dropna()删除
(8)填充异常值 –fillna()
sl_s=sl_s.fillna()
(9)平均值 –mean()
sl_s.mean()
(10)标准差 –std()
Sl_s.std()
(11)最大值 –max()
sl_s.max()
(12)最小值 –min()
sl_s.min()
(13)中位数 –median()
sl_s.median()
(14)下四分位数 –quantile(q=0.25)
sl_s.quantile(q=0.25)
(15)上四分位数 –quantile(q=0.75)
sl_s.quantile(q=0.75)
(16)偏度 –skew()
sl_s.skew()
分析：小于0 是负偏 均值偏小，大部分数是比他的均值大的
大于 0 稍微有些振偏
远大于0， 是极度振偏，均值要比他的大多数值大好多。
(17)峰度 –kurt()
sl_s.kurt()
分析：
Original: https://blog.csdn.net/weixin_42511217/article/details/114426192
Author: 骆驼奇
Title: python实现表格分析与建模_python实现数据分析与建模
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/756091/
转载文章受原作者版权保护。转载请注明原作者出处！