python数据预处理

import pandas as pd
# 缺失值处理
df  = pd.read_excel('/Users/caizhengjie/Desktop/a.xlsx')
print(df)
# 直接调用info方法就会返回每一列的缺失值
print(df.info())
print('.....................')
# isnull方法判断哪个是缺失值
print(df.isnull())
print('.....................')
# 缺失值删除
'''
缺失值分为两种：1一行中某个字段的缺失值，2一行全部为空白
dropna为删除含有缺失值的行，只要某一行有缺失值就把这一行删除，运行dropna（）方法之后删除含有NaN值的行，返回删除后的数据
dropna(how = 'all'),指删除全部为空值的行 ,不全为空值的行就不会被删除
'''
# print(df.dropna(how='all'))
print('.....................')
# 缺失值的填充
# fillna（0）即将所有空值填充为0
# fillna（{'列名','要填入的值'}）
print(df.fillna({'学科':'理科'}))
print('.....................')
# 重复值处理
# drop_duplicates(）方法，默认对所有值进行重复值判断，且默认保留第一行的值
# drop_duplicates(subset = '指要判断的列名'，keep关键字，keep = 'fist'k或者'last'即默认是保留第一个，keep = false指把重复列全部删除）
# 数据类型
# print(df.info()) #查看全部数据类型
# print(df['学号'].dtype) #查看某一列的数据类型
# 类型转换-astype()转换数据类型
# print(df['学号'].astype('float'))
# 素引设置
# print('.....................')
# df.columns('学号','s','a','r','w','v','x','b')