Pandas学习笔记03-数据清洗(缺失值与异常值处理)

文章目录 1.查看缺失值 2.删除缺失值 3.填充缺失值 4.值的替换 5.离散化与分箱 6.异常值过滤 之前我们介绍过通过索引获取自己想要的数据，这节我们介绍在数据清洗过程中遇到缺失值、异常值时的一些处理方式以及我们需要对某列的值就行分组的时候怎么解决。 原始数据集来自本周刚抓取的创造营2020撑腰榜数据，公众号后台回复‘ 异常值’可以获得本节使用的数据集与ipynb文件。 1.查看缺失值 is

>>阅读原文<<