开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第25天，点击查看活动详情
数据清洗
查看DataFrame是否有缺失值
使用DataFrame的isnull()和notnull()方法进行判断
这个两个函数的返回值都是True和False，可以根据需求使用
我没找到有缺失值的例子，就大致说一下
返回值效果如下：
填补缺失值
可以直接删除或者替换成你需要的值
删除缺失值
使用dropna()方法，可以直接删除缺失值
填值
可以使用fillna()方法，一般是DataFrame.fillna(0),即空值部分使用0填充。
重复值处理
使用duplicated()方法判断是否有重复值
使用drop_duplicates()方法删除重复值
例子：
data = [[75, 56, 80], [60, 45, 50], [60, 45, 50]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print(f"判断是否存在重复值：\n{df.duplicated()}")
print(f"删除重复值：\n{df.drop_duplicates()}")
结果：
数据排序
df.sort_values(by,axis=0,ascending=True,inplace=False,kind=quicksort,
na_position=last ,ignore_index=False)
by：要排序的名称列表
axis：轴，0表示行，1表示列，默认行排序
ascending：升序或降序排序，布尔值，指定多个排序可以使用布尔值列表，降序
inplace：布尔值，默认值为False，如果值为True，则就地排序
kind：指定排序算法，值为quicksort(快速排序)、mergesort(混合排序)
或heapsort(堆排),默认值为quicksort
na_position：空值(NaN)的位置，值为first空值在数据开头，last空值在最后，默认值为last
ignore_index：布尔值，是否忽略索引，值为True标记索引（从0开始按顺序的整数值)，
值为False则忽略索引
举例：
data = [[75, 56, 80], [56, 45, 50], [60, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print(f"根据语文成绩排名：\n{df.sort_values(by = '语文' , ascending=False)}")
结果：
