大话 Python：python 操作 excel 系列 -- 数据清洗

python 在对 excel 操作的同时，前面文章中说了数据的读取、插入、简单分析，还有一个非常重要的点就是数据清洗。那什么叫数据清洗，说白了就是去除数据文本中的垃圾值，比如：存在的空值、多余的空格、数据格式等等的处理。

1，导入 python 库、读取 excel 数据

# 导入 pandas 库
import pandas as pd
# read_excel() 读取 excel 数据
# DataFrame() 将读取到的数据转换为 DataFrame 数据
df = pd.DataFrame(pd.read_excel('data.xlsx'))

2，数据清洗（去除空值）

# dropna() 函数去除 df 数据表中存在空值的所有行
df.dropna(how='any')
# mean() 函数计算 age 字段所在列的平均值
age_pre = df['age'].mean()
# 使用 fillna() 函数对存在的空值进行填充，将 age_pre 的值填充到字段为空的值内面
df['age'].fillna(age_pre)

3，数据清洗（清除字段中的空格）

# 清除字段的空格
df['name'] = df['name'].map(str.strip)

4，数据清洗（对某个列进行重命名）

# rename() 函数对列进行重命名
df.rename(columns={'name': 'name_new'})

5，数据清洗（清除某一列中的重复值）

# 从前往后查找某个列中的重复值，如果存在则清除后面所出现的重复值
df['name'].drop_duplicates()
# 从后往前查找某个列中的重复值，如果存在则清除前面所出现的重复值
df['city'].drop_duplicates(keep='last')
# 两种正好是按照相反的清除顺序

6，数据清洗（数据值替换）

# 将某一列中的具体值进行替换
df['name'].replace('laow', 'lwsbc')

更多精彩请关注本系列老王说编程 >>>