python数据分析数据清洗,用python清洗数据

　　Python数据清洗学习笔记——概述数据清洗本质上是在实际业务问题中，将脏数据清洗并转化为‘干净数据’。所谓脏数据，是指数据可能存在以下问题(主要问题):

　　不完整数据是属性值为空的情况。比如占位=" "

　　噪声是数据值不合理的情况。比如工资="-100 "

　　数据不一致是前后数据有矛盾的情况。例如年龄="042 "或生日=" 01/09/1985 "

　　数据冗余是数据量或属性数超过数据分析需要的情况。

　　离群值是偏离大多数值的数据。

　　重复数据是在数据集中多次出现的数据。

　　数据清洗的意义：在现实生活中，数据并不是完美的，需要进行清洗，之后才能进行数据分析。

　　数据清理是整个数据分析项目中最耗时的步骤。

　　数据的质量最终决定了数据分析的准确性。

　　数据清洗是提高数据质量的必由之路，它使数据分析的结果更加可靠。

　　记录自：python数据清洗实战Peter老师

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。