温馨提示×

Pandas实现数据清洗的方法有哪些

发布时间:2021-06-28 18:04:23 来源:亿速云 阅读:267 作者:chen 栏目:大数据

本篇内容主要讲解“Pandas实现数据清洗的方法有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Pandas实现数据清洗的方法有哪些”吧!

1.处理数据中的空值

我们在处理真实的数据时,往往会有很多缺少的的特征数据,就是所谓的空值,必须要进行处理才能进行下一步分析

空值的处理方式有很多种,一般是删除或者填充

Excel通过“查找和替换”功能实现空值的统一替换:

Pandas实现数据清洗的方法有哪些

通过“定位”删除空值:

Pandas实现数据清洗的方法有哪些

pandas处理空值的方式比较灵活,可以使用dropna函数删除空值

import pandas as pd data=pd.read_csv('成绩表.csv',encoding='gbk') data.dropna(how='any')

Pandas实现数据清洗的方法有哪些

Pandas实现数据清洗的方法有哪些

用fillna函数实现空值的填充

①使用数字0填充数据表中的空值

data.fillna(value=0)

Pandas实现数据清洗的方法有哪些

②使用平均值填充数据表中的空值

data['语文'].fillna(data['语文'].mean())

Pandas实现数据清洗的方法有哪些

2.删除空格

excel中清理空格很简单,直接替换即可

pandas删除空格也很方便,主要使用map函数

data['姓名']=data['姓名'].map(str.strip) data

Pandas实现数据清洗的方法有哪些

3.大小写转换

excel中大小写转换函数分别为upper()和lower()

pandas中转换函数也为upper()和lower()

data['拼音']=data['拼音'].str.upper() data

Pandas实现数据清洗的方法有哪些

data['拼音']=data['拼音'].str.lower() data

Pandas实现数据清洗的方法有哪些

4.更改数据格式

excel中更改数据格式通过快捷键“ctrl+1”打开“设置单元格格式”:

Pandas实现数据清洗的方法有哪些

pandas使用astype来修改数据格式,以将“语文”列改成整数为例

data['语文'].dropna(how='any').astype('int')

Pandas实现数据清洗的方法有哪些

5.更改列名称

excel中更改列名称就不说了,大家都会

pandas使用rename函数更改列名称,代码如下:

data.rename(columns={'语文':'语文成绩'})

Pandas实现数据清洗的方法有哪些

6.删除重复值

excel的功能区“数据”下有“删除重复项”,可以用来删除表中的重复值,默认保留最第一个重复值,把后面的删除:

Pandas实现数据清洗的方法有哪些

pandas使用drop_duplicates函数删除重复值:

data['数学'].drop_duplicates() #默认删除后面的重复值  data['数学'].drop_duplicates(keep='last') #删除第一项重复值

7.修改及替换数据

excel中使用“查找和替换”功能实现数值的替换

pandas中使用replace函数实现数据替换

data['姓名'].replace('成  功','失  败')

到此,相信大家对“Pandas实现数据清洗的方法有哪些”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!

推荐内容:数据清洗的方法有哪些

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

免费拨打  400 100 2938 免费拨打 400 100 2938
24小时售后技术支持 24小时售后技术支持
返回顶部 返回顶部