import pandas as pd

data=pd.read_csv("example_data.csv",header=1)

print(data)

data1=pd.read_csv("北京地區(qū)信息.csv",header=1,encoding='gbk')

data2=pd.read_csv("天津地區(qū)信息.csv",encoding='gbk')

print(data1)

print(data2)

代碼運行結果：

首先使用pandas的read_csv()方法進行數(shù)據(jù)的讀取，然后就能夠看到相應的表格信息。

2.2檢查重復數(shù)據(jù)

dupnum=data.duplicated()

print(dupnum)

\# 對重復值進行處理

caldup=data.drop_duplicates()

print(caldup)

代碼運行結果：

主要是是使用這個duplicated()方法進行數(shù)據(jù)的查重，返回一個布爾序列，僅對唯一元素而言為True。如果有重復的數(shù)據(jù)就會在該數(shù)值的部分返貨Flase。

然后我們就可以使用drop_duplicates()進行重復值刪除。

2.3檢查缺失值

代碼：

from pandas import Series

from numpy import NAN

\# import pandas as pd 

series_obj=Series([1,None])

pd.notnull(series_obj)

\# 上面做的是測試

pd.notnull(data)

pd.notnull(data1)

pd.notnull(data2)

代碼運行結果：

使用pd.notnull(data1)進行非空數(shù)值的返回，返回值是布爾型的矩陣，再取df[布爾型矩陣]返回的是id為非空的行。

2.4 檢查異常值

import numpy as np

\# 2.4 檢查異常值

def three_sig(ser1):

  mean_value=ser1.mean()

\#   標準差

  std_value=ser1.std()

\#   位于3σ范圍外的都是異常值

\# 數(shù)值大于u+3σ小雨u-3σ

  rule=(mean_value-3*std_value>ser1)|(ser1.mean()+3*ser1.std()<ser1)

  index=np.arange(ser1.shape[0])[rule]

  outrange=ser1.iloc[index]

  return outrange

three_sig(data2["女性"])

代碼運行結果：