如何使用 Python 和 Pandas 进行数据清洗?

数据清洗步骤：

1. 导入库
2. 读取数据
3. 数据预处理
4. 数据清洗
5. 保存结果

代码示例：

import pandas as pd

# 导入库
data = pd.read_csv("data.csv")

# 读取数据
print(data.head())

# 数据预处理
data["age"] = data["age"].fillna(25)
data["salary"] = data["salary"].fillna(10000)

# 数据清洗
data.dropna(inplace=True)
data["country"] = data["country"].str.lower()

# 保存结果
print(data.to_csv("cleaned_data.csv", index=False))

其他方法：

• **筛选：**使用 loc 和 iloc索引选择数据。
• **分组：**使用 groupby分组数据并进行处理。
• **分组统计：**使用 describe 和 agg函数进行数据统计。
• **数据转换：**使用 astype 和 fillna函数进行数据转换。

注意：

• 数据清洗是一个迭代过程，需要逐步进行。
• 确保数据格式正确，以便进行数据清洗。
• 可以使用其他库，例如 numpy 和 matplotlib，进行数据可视化。