【Pandas】2.2.数据清理

包含全部示例的代码仓库见GIthub

1 导入库

import pandas as pd
import numpy as np

2 重复值处理

data = pd.DataFrame({'k1':['one']*3 + ['two']*2, 'k2':[1,1,2,3,3]})
data
# output
     k1	k2
0	one	1
1	one	1
2	one	2
3	two	3
4	two	3

(data.duplicated()).sum()
# output
2

data.drop_duplicates()
# output
     k1	k2
0	one	1
2	one	2
3	two	3

根据k1进行去重

data.drop_duplicates('k1')  # 根据k1进行去重
# output
     k1	k2
0	one	1
3	two	3

根据k1,k3进行去重

data['k3'] = 1
data
# output
	k1	k2	k3
0	one	1	1
1	one	1	1
2	one	2	1
3	two	3	1
4	two	3	1

data.drop_duplicates(['k1', 'k3'])  # 根据k1,k3进行去重
# output
    k1	k2	k3
0	one	1	1
3	two	3	1

3 数值替换

data
# output
	k1	k2	k3
0	one	1	1
1	one	1	1
2	one	2	1
3	two	3	1
4	two	3	1

data.k1.replace('two','three')  # k1列,two替换成three(对Series)
# output
0      one
1      one
2      one
3    three
4    three
Name: k1, dtype: object

data
# output
    k1	k2	k3
0	one	1	1
1	one	1	1
2	one	2	1
3	two	3	1
4	two	3	1

对整个DataFrame替换

data.replace(1, 100) # 对DataFrame
# output
    k1	k2	k3
0	one	100	100
1	one	100	100
2	one	2	100
3	two	3	100
4	two	3	100

立即替换

data.replace(1, 100, inplace=True)
data
# output
    k1	k2	k3
0	one	100	100
1	one	100	100
2	one	2	100
3	two	3	100
4	two	3	100

4 过滤缺失值

4.1 示例1

data = pd.Series([2, np.nan, 4, np.nan, 8.5])
data
# output
0    2.0
1    NaN
2    4.0
3    NaN
4    8.5
dtype: float64

(data.isnull()).sum()
# output
2

data.notnull().sum()  # 不加括号也可以
# output
3

data[data.notnull()]
# output
0    2.0
2    4.0
4    8.5
dtype: float64

data.dropna(inplace=True)  # 抛弃nan值
data
# output
0    2.0
2    4.0
4    8.5
dtype: float64

4.1 示例2

data = pd.DataFrame(np.random.randn(4,3),index=list('abcd'),columns=['aa','bb','cc'])
data.iloc[1:,:2] = np.nan
data.iloc[1,2] = np.nan
data
# output
	aa	bb	cc
a	-0.474847	-0.398699	-0.432810
b	NaN	NaN	NaN
c	NaN	NaN	2.835789
d	NaN	NaN	-0.557477

data.isna()
# output
       aa	bb	cc
a	False	False	False
b	True	True	True
c	True	True	False
d	True	True	False

data.dropna()
# output
aa	bb	cc
a	-0.474847	-0.398699	-0.43281

data.dropna(how='all')  # 全部为nan,才会被抛弃
# output
	aa	bb	cc
a	-0.474847	-0.398699	-0.432810
c	NaN	NaN	2.835789
d	NaN	NaN	-0.557477

按行或列删除缺失值

data
# output
        aa	bb	cc
a	-0.474847	-0.398699	-0.432810
b	NaN	NaN	NaN
c	NaN	NaN	2.835789
d	NaN	NaN	-0.557477

data.iloc[0, 0] = np.nan
data
# output
	aa	bb	cc
a	NaN	-0.398699	-0.432810
b	NaN	NaN	NaN
c	NaN	NaN	2.835789
d	NaN	NaN	-0.557477

data.dropna(axis=0, how='all')  # axis=0,根据行判断,全部为nan,才会被抛弃
# output
	aa	bb	cc
a	NaN	-0.398699	-0.432810
c	NaN	NaN	2.835789
d	NaN	NaN	-0.557477

data.dropna(axis=1, how='all')  # axis=1,根据列判断,全部为nan,才会被抛弃
# output
	bb	cc
a	-0.398699	-0.432810
b	NaN	NaN
c	NaN	2.835789
d	NaN	-0.557477

5 填充缺失值

data
# output
    aa	bb	cc
a	NaN	-0.398699	-0.432810
b	NaN	NaN	NaN
c	NaN	NaN	2.835789
d	NaN	NaN	-0.557477

data.fillna(0) # nan值填充为0
# output
	aa	bb	cc
a	0.0	-0.398699	-0.432810
b	0.0	0.000000	0.000000
c	0.0	0.000000	2.835789
d	0.0	0.000000	-0.557477

data.fillna({'aa':1, 'bb':100})  #aa填充1,bb填充100,cc不填充
# output
    aa	bb	cc
a	1.0	-0.398699	-0.432810
b	1.0	100.000000	NaN
c	1.0	100.000000	2.835789
d	1.0	100.000000	-0.557477

使用均值填充

data = pd.Series([2, np.nan, 4, np.nan, 8.5])
data
# output
0    2.0
1    NaN
2    4.0
3    NaN
4    8.5
dtype: float64

data.fillna(data.mean())  # 使用均值填充
# output
0    2.000000
1    4.833333
2    4.000000
3    4.833333
4    8.500000
dtype: float64
  • 11
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
东南亚位于我国倡导推进的“一带一路”海陆交汇地带,作为当今全球发展最为迅速的地区之一,近年来区域内生产总值实现了显著且稳定的增长。根据东盟主要经济体公布的最新数据,印度尼西亚2023年国内生产总值(GDP)增长5.05%;越南2023年经济增长5.05%;马来西亚2023年经济增速为3.7%;泰国2023年经济增长1.9%;新加坡2023年经济增长1.1%;柬埔寨2023年经济增速预计为5.6%。 东盟国家在“一带一路”沿线国家中的总体GDP经济规模、贸易总额与国外直接投资均为最大,因此有着举足轻重的地位和作用。当前,东盟与中国已互相成为双方最大的交易伙伴。中国-东盟贸易总额已从2013年的443亿元增长至 2023年合计超逾6.4万亿元,占中国外贸总值的15.4%。在过去20余年中,东盟国家不断在全球多变的格局里面临挑战并寻求机遇。2023东盟国家主要经济体受到国内消费、国外投资、货币政策、旅游业复苏、和大宗商品出口价企稳等方面的提振,经济显现出稳步增长态势和强韧性的潜能。 本调研报告旨在深度挖掘东南亚市场的增长潜力与发展机会,分析东南亚市场竞争态势、销售模式、客户偏好、整体市场营商环境,为国内企业出海开展业务提供客观参考意见。 本文核心内容: 市场空间:全球行业市场空间、东南亚市场发展空间。 竞争态势:全球份额,东南亚市场企业份额。 销售模式:东南亚市场销售模式、本地代理商 客户情况:东南亚本地客户及偏好分析 营商环境:东南亚营商环境分析 本文纳入的企业包括国外及印尼本土企业,以及相关上下游企业等,部分名单 QYResearch是全球知名的大型咨询公司,行业涵盖各高科技行业产业链细分市场,横跨如半导体产业链(半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件)、光伏产业链(设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端)、新能源汽车产业链(动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩)、通信产业链(通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI)、先进材料产业链(金属材料、高分子材料、陶瓷材料、纳米材料等)、机械制造产业链(数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机)、食品药品、医疗器械、农业等。邮箱:market@qyresearch.com

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LouHerGetUp

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值