在现实工作中,我们往往面临着各种形式混乱的数据,包括缺失值、重复项、格式不一致等问题。为了更好地进行数据分析和建模,我们需要对数据进行清理和处理。在这篇文章中,我们将探讨如何利用Python中强大的Pandas
库,成为一位数据清理师,从容应对各种数据清理挑战。
1、处理缺失值
删除缺失值
import pandas as pd
def 删除缺失值(数据框):
清理后数据 = 数据框.dropna()
return 清理后数据
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 删除缺失值(原始数据)
填充缺失值
import pandas as pd
def 填充缺失值(数据框, 填充值):
清理后数据 = 数据框.fillna(填充值)
return 清理后数据
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 填充缺失值(原始数据, 0)
2、处理重复项
import pandas as pd
def 删除重复项(数据框):
清理后数据 = 数据框.drop_duplicates()
return 清理后数据
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 删除重复项(原始数据)
3、格式统一化
转换日期格式
import pandas as pd
def 转换日期格式(数据框, 列名, 新格式):
数据框[列名] = pd.to_datetime(数据框[列名], format=新格式)
return 数据框
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 转换日期格式(原始数据, "日期列", "%Y-%m-%d")
转换数据类型
import pandas as pd
def 转换数据类型(数据框, 列名, 新类型):
数据框[列名] = 数据框[列名].astype(新类型)
return 数据框
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 转换数据类型(原始数据, "数值列", float)
转换数据类型
使用astype()
方法,可以将列的数据类型转换为指定类型:
import pandas as pd
# 读取数据
数据 = pd.read_csv("混乱数据.csv")
# 将列转换为整数类型
数据["列名"] = 数据["列名"].astype(int)
4、文本数据处理
删除空格
import pandas as pd
def 删除空格(数据框, 列名):
数据框[列名] = 数据框[列名].str.strip()
return 数据框
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 删除空格(原始数据, "文本列")
使用正则表达式清理数据
使用str.replace()
方法,可以使用正则表达式替换文本中的特定模式:
import pandas as pd
# 读取数据
数据 = pd.read_csv("混乱数据.csv")
# 使用正则表达式替换文本
数据["列名"] = 数据["列名"].str.replace(r'\D', '', regex=True)
提取关键词
import pandas as pd
def 提取关键词(数据框, 列名, 分隔符, 关键词位置):
数据框[列名] = 数据框[列名].str.split(分隔符).str[关键词位置]
return 数据框
# 使用示例
原始数据 = pd.read_csv("数据.csv")
清理后数据 = 提取关键词(原始数据, "关键词列", "-", 0)
5、数据合并与拆分
合并数据
使用merge()
方法,可以根据指定的列将两个数据框合并:
import pandas as pd
# 读取数据
数据1 = pd.read_csv("数据1.csv")
数据2 = pd.read_csv("数据2.csv")
# 合并数据
合并后数据 = pd.merge(数据1, 数据2, on="共同列名")
拆分数据
使用str.split()
方法,可以将一列的文本数据拆分为多列:
import pandas as pd
# 读取数据
数据 = pd.read_csv("混乱数据.csv")
# 拆分文本数据
数据[["新列1", "新列2"]] = 数据["原始列"].str.split(",", expand=True)
6、总 结
通过Pandas
库,我们能够以优雅而高效的方式处理各种混乱的数据,轻松成为一位数据清理师。清理和处理混乱的数据不再是一项艰巨的任务,而是变得简单而高效。这些脚本可以根据实际需求进行定制,以适应各种数据清理场景。作为一位Python数据清理师,灵活运用Pandas
库的强大功能,能够更轻松地应对各种数据质量问题。这些例子只是冰山一角,实际的数据清理工作可能涉及更多复杂的情况。希望这些例子能够帮助你更好地理解如何利用Python进行数据清理,让你的数据更加干净、整洁、规范、可靠,以便后续的分析和建模工作。
感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典