使用Pandas进行数据清洗与分析的示例

原创 àì夳堔傛蜴生んèń 2024-12-29 11:06 75阅读 0赞

首先，我们需要导入pandas库。以下是一个基本的数据清洗和分析示例：

  1. 导入pandas
  1. import pandas as pd
  1. 从源创建一个DataFrame（假设我们有一个CSV文件）
  1. data = {'Name': ['John', 'Jane', 'David'],
  2.                    'Age': [25, 30, 35],
  3.                    'City': ['New York', 'Chicago', 'San Francisco']}
  4. df = pd.DataFrame(data)
  1. 数据清洗（例如处理缺失值）
  1. # 检查是否有缺失值
  2. print(df.isnull().sum())
  4. # 假设Age列有两行缺失，我们可以使用平均值填充这些空值
  5. df['Age'].fillna(df['Age'].mean(), inplace=True)
  1. 数据分析（例如计算年龄的平均值）
  1. average_age = df['Age'].mean()
  2. print(f"Average Age: {average_age}")

以上就是一个基本的数据清洗和分析示例。根据实际数据，你可以进行更复杂的操作。

文章版权声明：注明蒲公英云原创文章，转载或复制请以超链接形式并注明出处。

发表评论

表情：
评论列表 （有 0 条评论，75人围观）

还没有评论，来说两句吧...

相关阅读