使用pandas实现数据清洗

使用pandas进行数据清洗是非常常见和方便的。下面是一些常用的数据清洗操作：

1. 导入pandas库：首先需要导入pandas库，可以使用以下代码导入：

   import pandas as pd

2. 读取数据：使用pandas的`read_csv()`函数可以读取CSV文件，也可以使用`read_excel()`函数读取Excel文件，例如：

   df = pd.read_csv('data.csv')

3. 查看数据：使用`head()`函数可以查看数据的前几行，默认显示前5行，例如：

   df.head()

4. 处理缺失值：使用`isnull()`函数可以检查数据中的缺失值，使用`fillna()`函数可以填充缺失值，例如：

   df.isnull()  # 检查缺失值
   df.fillna(0)  # 填充缺失值为0

5. 删除重复值：使用`drop_duplicates()`函数可以删除数据中的重复值，例如：

   df.drop_duplicates()

6. 数据类型转换：使用`astype()`函数可以将数据的类型转换为指定类型，例如：

   df['column_name'] = df['column_name'].astype(int)

7. 删除列或行：使用`drop()`函数可以删除指定的列或行，例如：

   df.drop('column_name', axis=1)  # 删除列
   df.drop(0, axis=0)  # 删除行

8. 数据排序：使用`sort_values()`函数可以对数据进行排序，例如：

   df.sort_values('column_name', ascending=False)  # 按指定列降序排序

9. 数据筛选：使用条件语句可以对数据进行筛选，例如：

   df[df['column_name'] > 10]  # 筛选出指定列大于10的数据