学習時間：午前22時30分金曜日の夜を開始2019/10/25。
学習目標は：Page188-Page217、30の合計、6日、5日の完成目標は、1029年完成を期待しました。
実際のフィードバック： 1.5時間6を学んX-の集中学習。XXX実際の完了、N日数がかかり、M H
データ準備：ロード、クレンジング、変換および通常整形するのは時間のアナリスト以上の80％を占めます！！！効率的なデータクリーニングと準備、絶対的な生産性の向上を学ぼう！この章では、不足しているデータを扱う、重複データツール、文字列操作やその他の分析データの変換について説明します。次の章では、データ・セットを再構築するには、連結、いくつかの方法に焦点を当てます。
7.1ハンドル欠落したデータ
何らかの方法でパンダに提示欠落したデータは、完璧ではないが、ほとんどのユーザーのための正常な機能を確保することができます。
数値データの場合は、 PANDAS浮動小数点は、NaN（非数）が不足しているデータを示している値。センチネル値と呼ばれ、容易に検出することができます。
パンダでは、欠損値が利用できない表し、NA（使用のR言語）として表されます。NAデータは、データであるか、または観測されない存在するが存在しないことがあります。（データクリーニングは、欠落データは、好ましくは、データ収集を決定するために、分析を容易にするために直接分析されるか、または欠落したデータは、偏差のHuにつながり得る場合）。
組み込みオブジェクトのデータ値なしPythonはNAとして使用することができます。
表7-1に関して、一部欠落しているデータ処理機能に
7.1.1データの欠落フィルタリング
より実用的なdropnaと、欠落したデータを濾過し（また、手動の方法またはブール指標によって調製することがpandas.isnull）
シリーズのために、 dropnaはnull以外のデータを返し、唯一のインデックス値のシリーズを含みます：
それはと同等です。
データフレームのオブジェクトの場合、欠損値を持つすべての行を破棄dropnaデフォルト：
1）=「のすべてが」唯一のフルラインをドロップする方法着信NAです。
2）着信軸= 1、NAを含むすべての列を破棄しながら入ってくる場合、どのよう=「すべて」列全体のNAが破棄されます。
3）另一个滤除DataFrame行的问题涉及时间序列数据。假设需要留下一部分观测数据，可用 thresh=N 参数实现此目的（丢弃前N行含有NA的行，对于列如何处理？？？）：
7.1.2 填充缺失数据
如果不想滤除缺失数据，而是希望通过其他方式填补哪些缺失数据，则fillna方法是最主要的函数。通过一个常数调用fillna就会将缺失值替换为该常数：
通过一个字典调用fillna，可实现对不同列填充不同的值：
fillna默认会返回新对象，如果想对现有对象进行就地修改，则可以通过传入 inplace = True实现：
对reindex（书中为reindexing，是否有误？）有效的插值方法，同样适用于fillna：
7.2 数据转换
7.2.1 移除重复数据
7.2.2 利用函数或映射进行数据转换
7.2.3 替换值
7.2.4 重命名轴索引
7.2.5 离散化和面元划分
7.2.6 检测和过滤异常值
7.2.7 排列和随机采样
7.2.8 计算指标和哑变量
7.3 字符串操作
7.3.1 字符串对象方法
7.3.2 正则表达式
7.3.3 pandas的矢量化字符串函数
7.4 总结
高效的数据准备，可以为数据分析留出更多时间。下一章，将学习pandas的聚合与分组。