Python数据分析思维导图

数据处理包括数据查看，数据清洗操作，数据整理三个部分。导图详细的阐述了三个部分包括的内容。感兴趣的小伙伴可以下载收藏。

数据处理

• 数据查看
  • 数据读取并赋值对象（DataFrame）： 变量名 = pd.read_csv(路径，encoding='utf-8')
  • 查看对象信息： 对象 . info( )
  • 查看对象描述： 对象 . describe( )
  • 查看对象前后几行信息： 对象 . head（ ）；对象 . tail( )
  • 查看处理后的对象： 对象 = 对象 . 操作（ ）
• 数据清洗操作
  • 空值
    • 查看数据信息：对象 . info( )
    • 查看对象中所有空值：对象 . isna( )
      • 子主题
    • 删除对象中的空值：对象 . dropna( )
    • 删除指定列空值并查看：对象 = 对象[ '列名' ] . dropna( )
  • 重复值
    • 查看重复行的索引：对象 . duplicated( )
    • 查看重复数据：df [ df . duplicated( ) ]
    • 删除重复行并查看对象： df = df . drop_duplicates( )
  • 异常值（布尔索引）
    • 指定列的数值范围保留(例：保留对象中指定列的值大于200的数据：df = df [ df [ '列名' ] > 200 ]
• 数据整理
  • 日期
  • 添加列
  • 数据导入
  • 索引重置
    • 列名 重置
    • 行 索引重置
  • 值的处理
    • 四舍五入
    • 替换
  • 数据集整理
    • 分组聚合
    • 数据集内值的操作
      • agg（func）
      • 排序
• 数据分析
  • 子主题