跳轉至
第 5 章 · pandas

5.4 資料清理

⏱️ 35 分鐘 📖 互動式 🎯 資料分析

🎯 學習目標

  • 處理缺失值
  • 處理重複
  • 型別轉換

🕳️ 缺失值

df.isna()           # True/False 矩陣
df.isna().sum()     # 各欄缺失值數量

df.dropna()         # 丟掉有缺失的列
df.dropna(subset=["age"])  # 只看 age

df.fillna(0)        # 填 0
df["age"].fillna(df["age"].mean())  # 填平均

🔁 重複值

df.duplicated()            # 布林 mask
df.drop_duplicates()       # 丟重複
df.drop_duplicates(subset=["name"])  # 只看 name

🔄 型別轉換

df["age"].astype(int)
df["date"].astype("datetime64[ns]")
df["price"].astype(float)
pd.to_numeric(df["x"], errors="coerce")  # 轉不了變 NaN

✏️ 練習題

  1. 找 AQI 資料的缺失值
  2. 用平均值填 PM2.5 缺失
  3. 移除重複測站