【100天精通Python】Day56：Python 数据分析_Pandas数据清洗和处理（删除填充插值，数据类型转换，去重，连接与合并）

目录

数据清洗和处理

1.处理缺失值

1.1 删除缺失值：

1.2  填充缺失值：

1.3 插值：

2 数据类型转换

2.1 数据类型转换

2.2 日期和时间的转换：

2.3 分类数据的转换：

2.4 自定义数据类型的转换：

3 数据去重

4 数据合并和连接

---

数据清洗和处理

        在数据清洗和处理方面，Pandas 提供了多种功能，包括处理缺失值、数据类型转换、数据去重以及数据合并和连接。以下是这些功能的详细描述和示例：

1.处理缺失值

在 Pandas 中处理缺失值有多种方法，包括删除缺失值、填充缺失值和插值。

1.1 删除缺失值：

        删除缺失值是最简单的方法，但有时会导致数据损失。您可以使用 dropna() 方法来删除包含缺失值的行或列。

（1）删除包含缺失值的行：

import pandas as pd