本章我们在Linux系统环境下，对数据的清洗和整理做简单的讲解。
首先我们创建一个数据或者文件，个人信息文件info.csv
df=pd.read_csv('info.csv') print(df)
（根据文件路径的不同，自行更改文件读取的路径。）
1.缺失值的填充
print(df.fillna(0))
虽然都填充为0，但这样显然有些不太合适，我们希望在性别添加男或女，年龄和分数希望是一个平均数。
m=df['age'].mean() n=df['score'].mean() df1=df.fillna(value={'sex':'男','age':m,'score':n}) print(df1)
得到了：
当然，也可以用fillna的参数method=‘ffill’,在列方向上以前一个值作为值赋给NaN。
print(df.fillna(method='ffill'))
得到第一行无法改变外：
2.值的替换replace(to_replace=x)
a=df[df['age']>24] df1=df.replace(to_replace={'age':a},value=26) print(df1)
得到：包括未被赋值的
3.删除空值的行和列dropna()
df.dropna()#每行只要有空值，默认axis=0，就将这行删除
df.dropna(axis=1)#每列只要有空值，整列丢弃
df.dropna(how='all')# 一行中全部为NaN的，才丢弃该行
df.dropna(thresh=3)# 每行至少3个非空值才保留
4.重复值的处理duplicated()，unique()，drop_duplictad()
print(df.nunique())
得到各个列的种类个数：
df.drop_duplicates(['k1'])# 保留k1列中的唯一值的行，默认保留第一行
df3=df.drop_duplicates('age') print(df3)
输出：
其中最后一行中，age=24的被删除掉。
5.排序sort
print(df.sort_index(axis=1))
会根据列名进行排序，sort_index()默认的时axis=0。
对值进行排序：
print(df.sort_values(by=['age']))
得到：（空值默认排到最后）
排名次：
print(df.rank())
得到：（默认axis=0）
视图展示：m=df['age'].mean() n=df['score'].mean() df1=df.fillna(value={'sex':'男','age':m,'score':n}) df1.boxplot() plt.show()
视图：
