【python线上培训专题】1某图书网站数据清洗

此系列为博雅数智举办的线上培训课程——python数据科学实践，为期两个月，本系列记录我在此课程中所学所思。

本节课总览：

本节课所用到的知识点：正则表达式、apply方法、lambda表达式、str.split、str.replace

---

实践

数据集：某图书网站数据清洗 (idatascience.cn)

1、拿到数据第一件事：数据诊断

预览数据前、后、随机10行，了解数据字段含义及数据格式，为后续清洗做准备。

以【出版信息】列为例，可查看总共计数有600条出版社数据，有420个不重复的出版社， 出现次数最多的是机械工业出版社，13次。

还使用dada.describe()查看全部数值型字段的数据分布情况（计数、均值、标准值、最大最小值、分布概率），此数据中仅【当前价格】列符合要求。 后续将出一个文本型数据描述性分析的文章。

 <