pandas保姆級教程：缺失值處理從入門到實踐
這篇文章介紹了數據分析中缺失值的處理方法。缺失值指數據集中無有效值，pandas中以`NaN`表示。處理前需先檢查：`isnull()`標記缺失值，`isnull().sum()`統計各列缺失數，`info()`查看整體缺失分佈。 處理策略分刪除和填充：刪除用`dropna()`，按行（默認）或列刪除含缺失值的記錄；填充用`fillna()`，包括固定值（如0）、統計量（均值/中位數適合數值，衆數適合分類）、向前/向後填充（`ffill/bfill`，適用於時間序列）。 案例以電商訂單數據爲例，先檢查缺失值，再用均值填充“金額”列，衆數填充“支付方式”列。處理核心步驟爲：檢查缺失→選策略（極少值刪除，多值或關鍵數據填充）→驗證結果，需結合數據特點靈活選擇方法。
閱讀全文零基礎學pandas：手把手教你讀取CSV文件
這篇文章介紹了學習pandas處理數據的入門步驟，核心是讀取CSV文件並基礎操作數據。首先，pandas是數據處理的“管家”，讀取CSV是數據分析第一步。步驟包括：安裝pandas（pip install，Anaconda/Jupyter預裝可跳過）並導入（import pandas as pd）；用pd.read_csv()讀取CSV生成DataFrame；查看數據用head()/tail()預覽、info()檢查類型和缺失值、describe()統計數值；處理特殊格式如中文亂碼（encoding）、分隔符（sep）、無表頭（names）。文章最後總結已掌握的基礎技能，指出這是數據處理的開始，後續可學習篩選、清洗等進階操作。
閱讀全文