Learn Code With Mike

Photo by Giorgio Tomassetti on Unsplash 當手上有一份數據資料要進行分析，這時候如果是使用Pandas套件，通常會利用describe()方法(Method)，來初步瞭解資料內容，但是對於想要深入分析資料集來說，資訊還不夠充足。 所以本文就以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享一個很常用來進行 探索式資料分析( Exploratory Data Analysis )的套件－Pandas Profiling， 能夠將Pandas DataFrame中儲存的資料，產製為一個互動式的網頁報表，並且以視覺化的方式呈現詳細的資料結構。其中的重點包含：

Photo by Yura Fresh on Unsplash 資料蒐集的過程中，為了能夠有效的整理資料，通常都會搭配使用Pandas套件來進行實作，而在完成資料整理後，有時就會需要將資料顯示在網頁上，藉此分享其中的資訊 。 Pandas套件也提供了內建方法(Method)，讓資料分析人員能夠將Pandas DataFrame中整理好的資料，轉為HTML的表格來加以運用，本文就以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享如何利用Pandas套件將讀取到的資料顯示在網頁上，重點包含：

Photo by Eugene Chystiakov on Unsplash 遺漏值(Missing Value)的處理可以說是在資料清理的過程中，不可或缺的步驟之一，而Pandas套件也提供了許多實用的方法(Method)，讓分析人員能夠有效的探索與檢視 遺漏值(Missing Value)，並且進行適當的處理。 所以，本文以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享筆者在處理 遺漏值(Missing Value)時， 常用的Pandas套件方法(Method)，包含：