判断是否含有缺失数据
isnull()
删除缺失数据
data.dropna()data.dropna(how='all')
传入how='all'将只丢弃全为NA的那些行
用这种方式丢弃列，只需传入axis=1即可
data.dropna(axis=1, how='all')
丢弃一列全部为null的数据df.dropna(thresh=2)
如果含有null的数量少于2个，则会保留
填充缺失数据
df.fillna(0)
是通过一个字典调用fillna，就可以实现对不同的列填充不同的值：
fillna默认会返回新对象，但也可以对现有对象进行就地修改：
向后填充值
可以限制填充次数
数据转换
移除重复数据
判断是否是重复行
去除重复列的值，判断全体
过滤某一列
保留最后一个重复列
利用函数或映射进行数据转换
先转小写再对应
替换值
将-999替换为np.nan -1000替换为0
重命名轴索引
离散化和面元划分
分4份保留到小数点后2位
qcut
检测和过滤异常值
盖帽法
np.sign(data)可以复制符号
排列和随机采样
生成司机数数组
计算指标/哑变量
字符串操作
