Math Modeling

数据清洗

• 数据读写

pd.read_csv()
pd.read_excel()

• 数据的探索和描述

df.info()
df.describe()

• 数据简单处理

去除空格
大小写的转换

• 重复值的处理

duplicated()
drop_duplicates()

• 缺失值的处理

删除缺失值
均值填充法
向前填充,向后填充
模型填补法

• 异常值的处理

删除异常值
作为缺失值处理
平均值修正，盖帽法修正
不处理：业务分析挖掘价值

• 文本字符的处理

去除前后空格处理
处理中间有，() 之类的，用replace()
正则表达式提取

• 时间格式序列的处理

系统时间格式化
系统时间和时间戳相互转换
年月日的提取

seaborn函数

Seaborn 是一个基于 Matplotlib 的数据可视化库，专注于统计图形的绘制，旨在简化数据可视化的过程。

Seaborn 提供了一些简单的高级接口，可以轻松地绘制各种统计图形，包括散点图、折线图、柱状图、热图等，而且具有良好的美学效果。

利用seaborn函数对相关性矩阵进行展示是一个不错的选择

pandas的高级篇章

pandas内嵌matplotlib

参考：菜鸟教程

kind : line,bar,barh,hist,scatter,box,kde,pie,area

data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [10, 15, 7, 12]}
df = pd.DataFrame(data)

df.plot(kind='bar',x = 'Category',y = 'Value',title="aa",
    xlabel="Category",ylabel="Value",figsize=(8,5))
plt.show()

利用Seaborn

#此处省略