公司员工名单，包含空数据：employees.csv

链接：https://pan.baidu.com/s/1uGiMnS_Gc0HB39EXK-VHNg?pwd=1234

其中Mgmt为“经理management”的意思。查看信息information：

得到：

Range Index索引范围：1001个条目

memory usage内存使用: 47.0+ KB

1. 数据类型优化

1.1 类型转换：.astype()

将Mgmt由字符串转为bool（NaN默认转为True，可用1.2的方法转换，或用2.5的方法删除）

此时memory usage: 40.2+ KB，缩小14%

1.2 替换缺失值.fillna()

用0替换Salaries最后的缺失值，然后float64转int：

memory usage: 36.3+ KB，缩小22%

1.3 category数据类型（pandas独有）

对于"Gender"（只有2种）、"Team"（只有10种），可以在后台只存储一个副本，而非每个具体值。

现在再看employees.info()：

memory usage: 27.0+ KB，缩小42%

2. 条件过滤

2.1 利用Bool Series提取行

过滤出名字中含有"Maria"的数据：（为增加可读性，写成两行、增加中间赋值的环节）

输出：

对于“!=”、“>”等常见条件运算符，均可实现。

如果是多条件，则用“与或非”连接：“&”、“|”、“~”

2.2 isin()替代“或”

当“或”的数量较多，或者经常需要改变值时，适合使用这种。使用列表传入数据：

2.3 between()上下限

当出现包含下限、不包含上限时，可进行简写：

2.4 isnull()空值相关过滤

以及与之对应的notnull()非空值过滤：

2.5 删除空值

行中有any NaN，则删除：（默认）

行中全是NaN，才删除：

行中"Gender"是NaN，才删除：

行中有4个NaN，才删除：

2.6 重复值

将第一次之后的重复项标记为True：（NaN属于唯一值，不重复）

将第一次之后的重复项删去：

如果没有传入参数，则相当于“与”，要求每行的所有列都出现相同才删去：