Day4@浙大疏锦行

1. 打开数据（csv文件、excel文件）

   import pandas as pd
   data = pd.read_csv(r'data.csv') #读取csv文件
   data2 =pd.read_excel('data.xlsx') #读取excel文件，pandas读取excel需要安装openpyxl库

2. 查看数据（尺寸信息、查看列名等方法）

   type(data)       # 查看内置数据类型
   data.info()      # 列名、非空值、数据类型
   data.shape       # (行数, 列数) data的属性
   data.columns     # 所有列名 data的属性
   data.describe()   # 数值列的基本统计量
   data.dtypes       # 各列数据类型 ，dtype是data type的缩写，用于描述数据类型。后续会频繁借助这个方法来查看某一列数据的属性
   data["Annual Income"].dtype      # 查看某一列的数据类型
    

3. 查看空值

   data.isnull()            # 布尔矩阵显示缺失值，这个方法返回一个布尔矩阵，也是dataframe对象，其中True表示对应位置的值是缺失值，False表示对应位置的值不是缺失值。

4. 众数、中位数填补空值

   data['Annual Income']
   median_income = data['Annual Income'].median()
   data['Annual Income'].fillna(median_income, inplace=True)
   data['Annual Income'].isnull().sum() # 查看缺失值的数量
   import pandas as pd
   data = pd.read_csv('data.csv') #需要重新读取一遍数据
   mode = data['Annual Income'].mode()
   mode = mode[0]
   data['Annual Income'].fillna(mode, inplace=True)  # 检查下是否有缺失值
   data['Annual Income'].isnull().sum()

5. 利用循环补全所有列的空值

   import numpy as np
   a =np.array([1,2,3])
   for i in c:
       # 找到为数值型的列
       if data[i].dtype != 'object': # 找到为数值型的列
           if data[i].isnull().sum() > 0: # 找到存在缺失值的列
               #计算该列的均值
               mean_value = data[i].mean()
               #用均值填充缺失值
               data[i].fillna(mean_value, inplace=True)
    
   data.isnull().sum()