关于数据处理案例有两个，第一个案例是我整理到有道云上的，就直接剪切下来了，下面直接进入正题~
案例1：快餐数据
案例2：欧洲杯数据
先进行数据探索
data.info() data.describe() 查看数据集是否有缺失值且哪个字段存在缺失值？可以用下面的代码，也可以用前面案例1缺失值那里提到的前两种方法
for i in range(data.shape[1]): if data.iloc[:,i].notnull().sum() != data.shape[0]: print('第%d列：字段%s 存在缺失值'%(i+1,data.columns[i]))代码运行结果是
对Clearances off line进行缺失值处理
首先查看Clearances off line字段
统计其数字组成
data['Clearances off line'].value_counts()
从统计结果可以看到，在Clearances off line这个字段中有11个值为0，3个值为1,1个值为2，故考虑采用众数(mode)填充缺失值
mode=data['Clearances off line'].mode() data['Clearances off line']=data['Clearances off line'].fillna(mode)描述性统计
统计有多少球队参加了欧洲杯？
data.Team.count()将数据集中的列Team, Yellow Cards和Red Cards单独存为一个名叫discipline的数据框
discipline=data[['Team','Yellow Cards','Red Cards']]按照先Red Cards再Yellow Cards进行降序排序
discipline.sort_values(by=['Red Cards','Yellow Cards'])计算每个球队拿到黄牌的平均值
data['Yellow Cards'].mean()找出进球数大于6个的球队的数据
data[data['Goals']>6]对比英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)
data['Shooting Accuracy'].[data.Team.isin(['England','ltaly','Russia'])]
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/233758.html原文链接：https://javaforall.net
