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
