Вооружайтесь методичкой и вперед к покорению анализа данных! Указанных методов хватит для первичной обработки вашей базы данных.
Вооружайтесь методичкой и вперед к покорению анализа данных! Указанных методов хватит для первичной обработки вашей базы данных.
Как изменить названия столбцов:
data.set_axis(['a','b','c'], axis = 'columns',inplace = True)
# ['a','b','c'] - список новых названий столбцов
# 'columns' - список название столбцов, которые нужно изменить
# inplace = True - изменение структуры данных
Как узнать количество пропущенных значений:
data.isnull().sum()
Как заполнить пропущенные значения:
data = df.fillna(X),
X - значение, которое будет подставлено вместо пропусков
Как удалить все NaN:
data.dropna()
data.dropna(subset = ['column_1','column_2','column_3'], inplace = True) # если нужно удалить пропуски только в определенных столбцах column_1, column_2 и column_3.
Как узнать количество дублей:
data.duplicated().sum()
Как удалить все дубликаты:
data.drop_duplicates().reset_index(drop = True)
# .reset_index(drop = True) используется для того, чтобы не создавать столбец со старыми значениями индексов
Как просмотреть только уникальные значения столбца:
data['column'].unique()
Как заменить значения:
data.replace('old_value', 'new_value')
# old_value - значение, которое нужно заменить
# new_value - значение, на которое нужно заменить
