一、缺失值处理

• 可以采取直接删除法
• 也可以使用替换和插值进行解决
• 常用的替换法有均值替换、前向、后向和常数替换

df.字段名称.fillna(df.字段名称.mean()) 用均值填补

二、重复值处理

有重复值返回True

三、异常值处理

• 指那些偏离正常范围的值
• 异常值出现频率不高，但是会对实际分析造成偏差

四、数据离散化

• 数据离散化也就是分箱
• 等频分箱（数据按段进行分箱，每一段的样品个数相等）
• 等宽分箱（数据宽度是一样的，比如年龄）
• 一般使用pd.cut或者pd.qcut函数

pandas.cut(x, bins,right=True,labels)
x:数据
bins:离散化的数目，或者切分的区间
labels:离散化后各个类别的标签
right:是否包含区间右边的值

下面是等频分段

此时就可以用这个分段标准来得出等频分段了

分享到：

赞(0) 打赏