利用pandas对日期、国家省市数据进行预处理
提示:日期格式形如 “2018-09-06 09:32:47”
国家省市数据形如"中国广东广州
首先查看原始数据
login = pd.read_csv("E:/jupyter/education/data/login.csv",encoding='gbk')
login.head(10)
注:encoding = 'gbk'是为了解决读取以后汉字乱码的问题
数据显示如下图。
拆分login_place
注:目标是将login_place列数据拆分为国家、省份和市。
第一,先将login_place中的国家提取出来。
login['country'] = login['login_place'].apply(lambda x:x[0:2])
注:这里是login['login_place']列的每一个数据进行切片,字符串切片,string[a:b],a为第一个要切的元素的索引,而b为第一个不要元素的索引(到想要元素的索引+1)。
这里提取国家的做法比较欠妥,只针对国家名字为两个字的。
第二,利用cpca.transform对提取完国家的省市区进行提取。
注:cpca仅仅用于提取简体中文字符串中省,市和区并能够进行映射。
#首先创建剔除国家后剩余的省市数据
login['login_country'] = login['login_place'].apply(