8.1.1. 数组创建 8.1.2. 数组索引和切片 8.1.3. 数组运算 8.2.pandas的数据结构 8.2.1.Series 8.2.2. DataFrame 8.2.3. 索引对象 8.3.pandas的基本功能 8.3.1. 重新索引 8.3.2. 丢弃指定轴上的项 8.3.3. 索引、选取和过滤 8.3.4. 算术运算 8.3.5. DataFrame和Series之间的运算 8.3.6. 函数应用和映射 83.7. 排序和排名 8.3.8. 分组 839 shape()函数 8.3.10.info0函数 8.3.11. cut0函数 8.4.汇总和描述统计 8.4.1. 与描述统计相关的函数 8.4.2. 唯一值、值计数以及成员资格 8.5。处理缺失数 8.5.1. 检查缺失值 8.5.2. 清理/填充缺失值 8.5.3. 排除缺少的值 8.6.综合实例 8.6.1. Matplotlib的实用方法 8.6.2. 实例1：对一个数据集进行基本操作 8.6.3. 实例2：百度搜索指数分析 8.6.4. 实例3：电影评分数据分析 8.6.5. 实例4：App行为数据预处理 (三)思考与实践 l.掌握pandas的具体功能。 2.能使用pandas对数据进行清洗。 9 9 8.1.1. 数组创建 8.1.2. 数组索引和切片 8.1.3. 数组运算 8.2. pandas 的数据结构 8.2.1. Series 8.2.2. DataFrame 8.2.3. 索引对象 8.3. pandas 的基本功能 8.3.1. 重新索引 8.3.2. 丢弃指定轴上的项 8.3.3. 索引、选取和过滤 8.3.4. 算术运算 8.3.5. DataFrame 和 Series 之间的运算 8.3.6. 函数应用和映射 8.3.7. 排序和排名 8.3.8. 分组 8.3.9. shape()函数 8.3.10. info()函数 8.3.11. cut()函数 8.4. 汇总和描述统计 8.4.1. 与描述统计相关的函数 8.4.2. 唯一值、值计数以及成员资格 8.5. 处理缺失数据 8.5.1. 检查缺失值 8.5.2. 清理/填充缺失值 8.5.3. 排除缺少的值 8.6. 综合实例 8.6.1. Matplotlib 的实用方法 8.6.2. 实例 1：对一个数据集进行基本操作 8.6.3. 实例 2：百度搜索指数分析 8.6.4. 实例 3：电影评分数据分析 8.6.5. 实例 4：App 行为数据预处理 （三）思考与实践 1. 掌握 pandas 的具体功能。 2. 能使用 pandas 对数据进行清洗