Python Pandas Dataframe:清理和操作数据的快速方法？

import pandas as pd

# 从 CSV 文件读取数据
df = pd.read_csv('data.csv')

# 查看前几行数据
print(df.head())

# 查看数据的基本信息
print(df.info())

# 查看数据的统计摘要
print(df.describe())

# 检查缺失值
print(df.isnull().sum())

# 删除包含缺失值的行
df.dropna(inplace=True)

# 填充缺失值
df.fillna(value=0, inplace=True)

# 转换数据类型
df['column_name'] = df['column_name'].astype('int')

# 删除重复行
df.drop_duplicates(inplace=True)

# 根据条件筛选数据
filtered_df = df[df['column_name'] > 10]

# 使用多个条件筛选数据
filtered_df = df[(df['column_name1'] > 10) & (df['column_name2'] == 'value')]

# 按某一列排序
sorted_df = df.sort_values(by='column_name', ascending=True)

# 按某一列分组并计算均值
grouped_df = df.groupby('column_name').mean()

# 合并两个 DataFrame
merged_df = pd.merge(df1, df2, on='common_column')

# 检查并处理 NaN 值
df.dropna(inplace=True)  # 删除包含 NaN 的行
df.fillna(value=0, inplace=True)  # 用 0 填充 NaN 值

# 转换数据类型
df['column_name'] = df['column_name'].astype('int')

# 删除重复行
df.drop_duplicates(inplace=True)