1、处理缺失数据

处理缺失数据是数据清洗过程的一个重要部分。缺失数据可以以多种方式出现，最常见的是作为 NaN（Not a Number）。处理缺失数据涉及使用 isna() 或 isnull() 检测缺失值，fillna() 填充缺失值，dropna() 删除包含缺失值的行或列，以及 interpolate() 对缺失值进行插值处理。

import pandas as pd
import numpy as np

# 创建示例 DataFrame
data = {'A': [1, np.nan, 3], 'B': [4, 5, np.nan]}
df = pd.DataFrame(data)

# 检测缺失值
print("检测缺失值:\n",df.isna())

# 填充缺失值
df_filled = df.fillna(0)
df_filled_ffill = df.fillna(method='ffill')

print("填充缺失值:\n",df_filled_ffill)

# 删除缺失值
df_dropped = df.dropna()

print("删除缺失值:\n",df_dropped)

# 插值处理
df_interpolated = df.interpolate()

print("插值处理:\n",df_interpolated)

2、数据类型转换

在数据分析中，数据类型的正确性和一致性非常重要。如果数据类型不正确或不一致，会影响数据分析的结果。正确的数据类型不仅对数据分析至关重要，而且还能提高数据处理的效率。使用 astype() 方法将 DataFrame 或 Series 中的数据转换为指定类型，to_numeric() 转换数据为数值类型并处理无法转换的数据，以及 to_datetime() 和 to_timedelta() 将数据转换为日期时间或时间间隔类型，是确保数据正确处理和分析的关键步骤。

import pandas as pd
import numpy as np

# 创建示例 DataFrame
data = {'int_column': ['1', '2', '3'],
        'float_column': ['1.1', '2.2', '3.3'],
        'datetime_column': ['20200101', '20200102', '20200103']}
df = pd.DataFrame(data)

# 数据类型转换
df['int_column'] = df['int_column'].astype(int)
df['float_column'] = pd.to_numeric(df['float_column'])
df['datetime_column'] = pd.to_datetime(df['datetime_column'])

# 查看数据类型
print("数据类型:\n",df.dtypes)

3、重命名和替换数据

在数据分析中，重命名和替换数据是常见的操作。重命名可以使数据更易于理解和操作，替换可以将不正确或不一致的数据更改为正确的数据。

数据清洗过程包括使用 rename() 方法重命名 DataFrame 的列或行索引，replace() 方法替换特定值，以及利用条件表达式进行更复杂的替换操作，这些步骤对于维护数据的一致性和可读性非常重要。

import pandas as pd

# 创建示例 DataFrame
data = {'old': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
print("原始数据：\n",df)

# 重命名列
df.rename(columns={'old': 'A'}, inplace=True)

# 替换数据
df.replace(1, 100, inplace=True)

print("replace替换后的数据:\n",df)

# 条件替换
df.loc[df['B'] > 4, 'B'] = 'B_>_4'

print("df.loc[df['B'] > 4, 'B']:\n",df)