实验步骤

可以联系pandas脏数据方法篇

1. 导入

做的实验是基于pandas的基础，所以要先引入包。

import pandas as pd

使用下列方法导入表格：

pd.read_excel('XXX.xlsx',dtype = 'object')

• 初步的看一下表头

  • 由于表格里边的类型繁多，所以使用object来包罗万象

• 有数据，有表头，可以使用 read_exel('文件名')导入

  • csv就是read_csv('文件名')

如果发现没有表头，需要：

adult_data = pd.read_csv('adult.data',header=None)
adult_data.head()

标注header=None让系统知道第一行不是表头而是数据

2. 查看

• [名字].head([看前几行的数据])
  • 检查数据是否有问题

3. 探查

[文件名].info()

• 查看整体信息
• 然后开始排错

4. 排错

1. 空值

print(文件名.isna().sum())

• isna(): 有没有空值
• sum():把输出结果集合

出现数字即为存在空值

2. 异常值

[文件名].describe()

查看后需要自己观察数据，找出一场所在

如上图，错误原因为四分之一，二分之一，四分之三之间差值过大，加起来也达不到max值，所以即为出现异常值。

3. 属性
4. 把属性存储在adult_data里
   1. 创建列的列表
   2. 把列表赋给列的索引

排错