初始Pandas -＞ 数据缺失值处理

🐼

3.1初识pandas（显示excel前五条数据）

3.2创建Series对象

3.2.1手动设置索引 

3.2.4Series的索引

3.3创建一个DataFrame对象

3.4导入外部数据

p59
1.使用read_csv
2.导入html时,需要网页一定具有table标签 

3.5数据抽取

 4.1数据计算

        求和sum()函数，求均值mean()函数求中位数median()函数，具体使用方法书本p93。

        求分位数：

 4.1数据格式化

        我们在处理完数据之后，总会发现数据格式不一致，至此，我们就需要学习如何将数据格式化。

        1.设置小数位：

                df.round()

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]),
     columns=['A1', 'A2', 'A3','A4','A5'])
 
print(df.round(2))
                                   #保留小数点后两位
 
print(df.round({'A1': 1, 'A2': 2})) 
             #A1列保留小数点后一位、A2列保留小数点后两位
 
s1 = pd.Series([1, 0, 2], index=['A1', 'A2', 'A3'])
print(df.round(s1)) 
                             #设置Series对象小数位数

        2.设置百分比：

                df.apply(lambda x: format(x,'.0%')) #百分号后保留0位小数

                df.map()

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]),
     columns=['A1', 'A2', 'A3','A4','A5'])
df['百分比']=df['A1'].apply(lambda x: format(x,'.0%'))       #整列保留0位小数
print(df)
df['百分比']=df['A1'].apply(lambda x: format(x,'.2%'))       #整列保留两位小数
print(df)
df['百分比']=df['A1'].map(lambda x:'{:.0%}'.format(x))       #整列保留0位小数，也可以使用map函数
print(df)

        3.设置千位分隔符：

                df.apply(lambda x: format(int(x),',')) 设置千位分隔符

         ⚠️设置千位分隔符后数据不再是数字，而是由字符串。所以设置需谨慎。

import pandas as pd
 
data = [['零基础学Python','1月',49768889],['零基础学Python','2月',11777775],['零基础学Python','3月',13799990]]
columns = ['图书','月份','码洋']
df = pd.DataFrame(data=data, columns=columns)
df['码洋']=df['码洋'].apply(lambda x:format(int(x),','))
print(df)