数据分析丨数据清理

最新推荐文章于 2025-12-29 22:42:47 发布

原创最新推荐文章于 2025-12-29 22:42:47 发布 · 215 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

博客提及在知乎上有关Python和Pandas的内容，Python是常用的编程语言，Pandas是Python中用于数据处理和分析的强大库，二者在信息技术领域应用广泛。

知乎 python pandas

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

30decibel

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

2024年09月数据月报

SmartSi

10-13

895

2024年09月数据月报，为您准备了阿里、字节、百度等大厂120多篇实践案例

数据清洗（一）：拉勾网数据分析案例

qq_41081716的博客

10-03

7460

1.导入数据 # 导入相应的包 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline # %matplotlib inline 在这个notebook里显示图片 df = pd.read_csv('data/2.lagou/lagou_recruitment.csv') df.head() Unnamed: 0

参与评论您还未登录，请先登录后发表或查看评论

数据分析师市场需求研究

阿百

11-16

3814

数据分析师市场需求研究本文是关于数据分析师市场需求的小研究。在这篇分析里，我主要想解决两个问题：哪一类人市场需求最高什么因素能影响工资水平这里就以深圳市的数据分析岗为例，分析一下数据分析师的市场需求状况。 ### 拉勾数据分析招聘岗位分析 ### # 本文针对拉勾网上深圳数据分析岗位的招聘信息做分析。 # Programmer: Dan Qin # Date: 2019.08.30...

优快云 Meetup 回顾丨从数据湖到指标中台，提升数据分析 ROI

Kyligence

07-20

639

Kyligence合伙人兼副总裁李栋受邀出席优快云云原生系列在线峰会。李栋从指标中台的趋势和背景出发，围绕指标中台的真实案例，对Kyligence 实现指标中台的过程及提升数据分析 ROI 的经验进行了详细分享。...

Python数据分析高薪实战第七天数据解析和电商行为分析案例

fegus的博客

05-05

1229

15 时间序列：时间数据的解析与应用在很多数据分析任务中，经常会遇到处理时间相关的数据。比如电商网站经常需要根据下单记录来分析不同时间段的商品偏好，以此来决定网站不同时间段的促销信息；又或者是通过对过去十年的金融市场的数据进行分析，来预测某个细分版本的未来走势。在这些任务中，时间信息的处理都是重中之重。时间数据的处理不同于对常见的数字、字符串等数据的处理方式，时间数据处理起来往往会比较复杂。比如数据表中有一个表示时间的字符串："2018/02/01"，我们希望提取其年、月、日，就需要去解析，分割该字

智能数据血缘治理解决方案实践丨Fabarta 公开课

Fabarta的博客

09-12

1615

本文根据 Fabarta 产品总监陈振在金科创新社公开课整理而来。文章依据 Fabarta 利用自主可控的图引擎和先进的 AI 解析能力构建智能数据血缘治理解决方案的实践经验，分享了数据血缘的定义、演进过程、数据血缘平台的核心能力，以及在应用领域的多样性等内容。

数据分析师的自我修养丨如何进阶为数据科学家

张晨光老师的播客

04-07

829

有人问我，应该如何从数据分析师进阶为数据科学家呢？很简单，分三步： 1. 打开LinkedIn，登录。 2. 点击“编辑我的个人资料”。 3. 找到“数据分析师”，并用“数据科学家”替代。完成！非常容易吧。不幸的是，现实并不那么简单。掌握必备的技能，从或多或少的数据中得出分析见解，这些都并非易事。关于如何进入数据科学领域的文章有很多，但是关于从数据分析师转化为数据科学家的文章却很...

数据分析工具评测丨Yonghong Desktop对战Tableau Desktop

张俊红的个人博客

02-18

638

作为数据分析的爱好者，之前我是Tableau Desktop的深度用户，由于Tableau Desktop收费，免费的Public版本又在数据连接上有限制，所以常常限制了我的使用。从去年开...

数据分析与AI丨在企业环境中利用知识图谱赋能生成式 AI

持续分享仿真技术、高性能计算 (HPC) 和人工智能、数据分析等领域的优秀技术内容，欢迎持续关注Altair

04-16

890

Altair Graph Studio 作为企业级数据发现和集成工具集，可用于托管知识图谱。用户能够清理、协调和互连多源数据，简化对结构化和非结构化数据的访问。 Graph Studio 拥有集成多数据源的统一数据层，可快速解答用户的临时性问题，将分散的数据整合为企业专属的互连数据架构。

耗时n年，38页《数据仓库知识体系.pdf》（数据岗位必备）

热门推荐

独木不成林，单弦不成音。

10-07

91万+

拥有本篇文章，意味着你拥有一本完善的书籍，本篇文章整理了数据仓库领域，几乎所有的知识点。

判断ceph osd 节点磁盘异常

呼吸

12-25

227

refresh 是异步刷新，等待五分钟，再执行一次，没有刷新的磁盘是异常的。比如 ceph01 上的两个磁盘没有按时刷新。ceph-volume inventory 是用来获取当前节点所有可用磁盘清单的命令，会显示当前节点异常的磁盘。1 执行 ceph orch device ls --refresh。2 执行 ceph-volume inventory。

Python 抽象属性 (@property + @abstractmethod) 详解

nvd11的专栏

12-28

226

本文介绍了在Python中使用@property和@abstractmethod组合定义抽象属性的方法。这种模式能够强制子类提供一个只读的数据接口，同时保持实现的灵活性。子类既可以用简单的类属性赋值实现，也可以通过@property方法动态计算属性值。这种设计使接口语义更清晰（表示特征而非动作），调用方式统一（都通过obj.field访问），并兼顾了简单静态配置和复杂动态逻辑两种实现需求。示例展示了静态配置和动态计算两种实现方式，体现了Python在抽象属性设计上的优势。

【Rust】函数

weixin_43219667的博客

12-25

396

/ 函数定义println!");// 带参数的函数println!", name);// 带返回值的函数x + y // 注意：没有分号，这是表达式greet();println!

把C盘的pip文件目标迁移到D盘

March_A的博客

12-25

307

将C盘的pip缓存迁移到D盘的最佳方案是使用符号链接：先在D盘创建目标目录，移动原缓存文件后，通过管理员CMD执行mklink命令建立链接。验证时可观察目录图标、使用dir命令或检查pip缓存路径，虽然显示仍在C盘，但实际空间已转移到D盘。这种方法既安全又不会影响系统识别，完美实现存储位置的转移。（99字）

自编算法题：pack的最大容量（Hard）

最新发布

HP_C2H2的博客

12-29

102

每块电池有两个参数，额定电压v和标称容量c。使用多个电池串联可以形成module，提高整体的电压；使用多个电池并联也可以形成module，提高整体的容量。多个串联形式的module可以组成pack，多个并联形式的module也可以组成pack，但是串联形式和并联形式的module不能组成pack。 module（pack）的电压和容量计算方式是： 1. 串联n个电池（module）电压为vi，容量为ci，总容量等于最小的一个ci，总电压等于所有vi之和。……

使用 Hugging Face 镜像加速

yilvyangguang520的博客

12-26

357

使用 Hugging Face 镜像加速

anaconda是如何实现在cmd命令行前面加上环境名称

猛犸象

12-26

155

anaconda是如何实现在cmd命令行前面加上环境名称

Python 变量类型

wjs2024的博客

12-25

290

Python是一种动态类型语言，这意味着变量的类型在运行时由解释器自动确定。数字类型用于存储数值。在Python中，整数和浮点数之间可以自动转换，但复数需要显式声明。a = 10 # 整数b = 3.14 # 浮点数c = 2 + 3j # 复数本文介绍了Python中常见的变量类型，包括数字、字符串、布尔值、列表、元组、字典、集合和Frozensets。了解这些变量类型对于编写高效、可维护的Python代码至关重要。希望本文能帮助您更好地掌握Python变量类型。

【论文代码测试】SteganoGAN

qq_69146676的博客

12-26

1227

不使用项目里面的预训练模型，而是用自己训练的模型进行decode，还是会出现decode失败的问题。直接用项目里面的预训练模型进行decode会报下面的错误。项目版本：v0.1.4，所用载体图像和含密图像分别为。