Pandas:数据清洗

1、缺失值的认定

由于数据的来源的复杂性、不确定性，数据中难免会存在字段值不全、缺失等情况，本文将介绍如何找出这些缺失的值。

2、缺失值的操作

3、数据替换

4、重复值及删除数据

5、Numpy格式转换

转换方法：

(1) ds.to_numpy()

(2) s.array

标签：缺失,Numpy,array,ds,转换方法,清洗,数据,Pandas
来源： https://www.cnblogs.com/caolanying/p/16387749.html