数据转换
1. 去除重复数据
首先创建一个含有重复项的DataFrame，
判断数据是否重复——duplicated方法
判断是否为重复项的方法是duplicated方法，
去除重复项——drop_duplicates方法
1）基本使用
官方文档中drop_duplicates方法的定义，
2）subset参数
默认是全部列进行去重，也可以使用字符串或者列表指定对某一列或者某几列进行去重。
3）keep参数
依据官方文档，keep参数有三个可选项，
2. 将映射用于数据转换——series对象map方法
pandas中的数据对象可以使用map方法，
现在要在这一基础上添加一列，这一列用于记录food给哪种动物吃，
3. 替换值——replace方法
除了使用fillna方法替换缺失值，还可以使用 replace方法的替换效果更好，
1）一个值替换为另一个值
2）多个值替换为一个值
只需要将要被替换的值以Python列表的形式传入函数即可，
3）一次性替换多个值
列表形式
字典形式
4. 索引重命名
index对象的map方法（原数据上改动）
index对象与Series对象一样可以使用map方法对其进行操作，
无论是Series还是Dataframe的索引对象都是可以修改的，
index对象rename方法（保证原数据不变）
1）方法及参数解读
DataFrame的操作相比Series更复杂，因为包含行索引和列索引，
参数说明，
2）基本使用
index和column参数
对DataFrame的列索引进行rename操作，columns参数传入作用到列索引上的方法；而对行索引的rename操作，index参数传入作用到行索引上的方法，
rename方法可以通过index和columns参数对指定的索引和列名进行修改，
5. 离散化和面元划分
cut方法
离散化、面元化是将连续的数据变成离散数据，比如说分割为不同的区间，使用的是pandas的cut方法，
1）参数说明
2）bins参数
将ages中的年龄分入不同的bins中，
bins参数是一个列表，即人为指定一个区间，
bins参数是一个整数，此时会将整个值的区间进行等分，
官方文档提供的cut方法使用，
3）label参数
需要注意的是cut方法返回的是一个Categories对象，该对象有两个属性，一个是labels属性，另一个是levels属性，再有就是常常使用pandas的 value_counts方法，对其进行操作，
qcut方法
1）参数说明
2）q参数
q参数可以是数值也可以是四分位数的数组，
qcut方法也支持自定义分位数，
上方的代码传入的序列是自定义的分位数值。
6. 异常值处理
异常值，也叫孤立点或离群值，其过滤和变换很大程度上是数组运算。
取出某列中绝对值大于某个值的数，
取出列索引为3的列中绝对值大于3的数。
含有大于某个值的所有的行，
所有的存在绝对值大于3的数的行。
7. 排列和随机采样
使用numpy的random模块permutation方法可以实现对Series和Dataframe的重排序，且这一重排序是随机的。
回顾permutation方法的使用，
在此基础上将permutation方法运用在Dataframe上，
返回结果的类型是一个 numpy数组，permutation方法只是在 axis=0，即行索引个维度上进行重排序。
8. 计算指标/哑变量——get_dummpies方法
在统计建模和机器学习中常常将分类变量转化为哑变量，使用的是pandas的 get_dummpies方法，
这个方法尤其是在分类问题时很重要，
离散变量
对于离散特征的编码分为两种情况：
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码
2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}
使用pandas可以很方便的对离散型特征进行one-hot编码。
连续变量
对于连续型变量而言，可以使用 get_dummpies方法与 cut方法的结合使用将其转换为哑变量，
