本文介绍了如何对 Movielens/IMDB 数据进行清洗，包括将电影时长从字符串转为整型，处理电影流派以便于分析，修正上映年份的格式，以及将投票数修正为整型。在清洗过程中，作者遇到了投票数为字符串对象的问题，并详细阐述了解决方法。
接着上一篇文章的内容。本文主要进行数据清洗：
- 电影时长不是数值，而是字符串
- 电影流派不是原子数据，很难提取特定的流派做分析。
- 上映年份格式修正
- 投票数修正为整型
本来以为自己爬取的数据存在两个瑕疵，但是在实际应用中发现，还有一个巨大的瑕疵：desecribe的时候，发现Votes一列不能被describe。
进行info查看信息的时候，发现Votes是一组对象，不为整型。使用int()函数强制转换的时候，出现报错。这才想起，爬取的数据为带逗号的数字，在python中被识别为字符串。
1.将电影时长转换为整型
遍历电影时长，将时长进行分裂（以空格分裂），分裂后成为列表，列表的第一个元素即为时长，转换为浮点型替换原有时长。
2.电影流派不是原子数据，很难提取特定的流派做分析。
首先创建一个
最低0.47元/天 解锁文章
扫一扫
1076
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
