fillna(method='ffill',inplace=True)

method='bfill',

data.to_csv('xxx.csv',Index=False)

這個data 通常是之前處理過的數據，比如cleaned_data

統計缺失值

data.isnull().sum

統計具體某列

pd.cut(data[列名], bins=bmi_bins, labels=bmi_labels)

統計重復值

data.duplicated().sum()

1. groupby().apply(lambda)

data.groupby(data['需要計算的源數據列名'])['過濾條件的列名']

(data['BMIRange'])['RiskLevel'].apply(lambda x: (x == '高風險患者').mean())

數據標準化

公式standard_A = (A - A.mean()) / A.std()

data['PurchaseAmount'] = (data['PurchaseAmount'] -
data['PurchaseAmount'].mean()) / data['PurchaseAmount'].std()

2. groupby().agg(['數組元素A','數組元素B'])

data.groupby('SensorType')['Value'].agg(['count', 'mean'])

寫法2，gender_stats = data.groupby('Gender').agg({'Speed':'mean','TravelDistance':'mean','TravelTime':'mean'})

數據類型轉換

data['Age'].astype(int) ??

3 groupby 過濾方式使用isin

. isin(['數組元素A','數組元素B'])] groupby 之前是數據，所以這里要補全 []