零基础入门到精通：Python大数据与机器学习之Pandas小技

上一篇文章带大家一起了解了Pandas库中的DataFrames的多级索引，本文是Python大数据与机器学习系列文章中的第13篇，将带大家一起了解一下Pandas的小技巧——数据补全。在这里还是要推荐下我自己建的Python开发学习群:483546416，群里都是学Python开发的，如果你正在学习Python ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2018最新的Python进阶资料和高级开发教程，欢迎进阶中和进想深入Python的小伙伴

实战练习

在Jupyter Notebook上执行以下代码：

import numpy as np

import pandas as pd

df = pd.DataFrame({'A':[1,2,np.nan],

'B':[5,np.nan,np.nan],

'C':[1,2,3]})

df

删除具有控制的行

df.dropna()

删除掉含有空值的列

df.dropna(axis=1)

删除掉空值数大于等于2的行。

df.dropna(thresh=2)

将某个值填充到空值中。

df.fillna(value='FILL VALUE')

还可以将A列的平均值填充到空值中。

df['A'].fillna(value=df['A'].mean())

进度介绍

本系列文章共分为26个部分目前已经进行到了第6部分，所有内容计划如下：

预热

环境搭建

Jupyter教程

Python速成

Python数据分析，NumPy库的使用

Python数据分析，Pandas库的使用

Python数据分析，Pandas库练习

Python数据可视化，Matplotlib

Python数据可视化，Seaborn

Python数据可视化，Pandas内建数据可视化

Python数据可视化，Plotly和Cufflinks

Python数据可视化，Geographical Plotting

数据 Capstone 项目

机器学习介绍

线性回归

交叉验证与偏方差

逻辑回归算法

k-近邻算法

决策树与随机森林

支持向量机

k-means聚类

主成分分析

推荐系统

自然语言处理(NLP)

Python大数据与Spark

神经网络（NN）与深度学习（DL）