2017年10月20日
数据分析第四篇：数据清洗
摘要： 需要清洗的数据有下面几种形式 2.1错误值 出现大量0的话，可以使用缺失值替代，然后再用缺失值填补的方法处理 camp['AvgIncome']=camp['AvgIncome'].replace({0: np.NaN}) 2.2 缺失值 vmean = camp['Age'].mean(axis= 阅读全文
posted @ 2017-10-20 11:01 风起了，风停了 阅读(60739) 评论(4) 推荐(4) 编辑