pandas数据清洗操作

Pandas是一个强大的数据分析库，可以用于数据清洗和预处理。以下是几种常见的数据清洗操作：

1. 重命名列名：

df.rename(columns={'old_name': 'new_name'}, inplace=True)

2. 删除列：

df.drop(columns=['column_name'], inplace=True)

3. 删除重复行：

df.drop_duplicates(inplace=True)

4. 替换值：

df.replace({'old_value': 'new_value'}, inplace=True)

5. 缺失值处理：

# 删除缺失值
df.dropna(inplace=True)

# 填充缺失值
df.fillna(value='new_value', inplace=True)

6. 数据类型转换：

# 转换数据类型
df['column_name'] = df['column_name'].astype('new_type')

7. 字符串操作：

# 字符串替换
df['column_name'] = df['column_name'].str.replace('old_str', 'new_str')

# 字符串分割
df['new_column'] = df['column_name'].str.split('delimiter', expand=True)

以上是一些常见的数据清洗操作，Pandas还有很多其他的功能和方法，可以根据实际情况进行使用。