好的,我将向您展示一些简单的 Python 代码来演示数据清洗。
首先,我们需要准备一些数据。假设我们有一个 CSV 文件,其中包含了一些人的姓名、年龄和地址信息。我们需要读取这个文件并将其转换为一个数据框(DataFrame)。我们可以使用 Pandas 库中的 read_csv
函数来实现这一点:
import pandas as pd
df = pd.read_csv("people.csv")
现在,我们已经读取了这个 CSV 文件,并将其转换为了一个数据框。接下来,我们可以开始进行数据清洗。
假设我们想要清洗年龄列。我们可能想要去除年龄为空值(null)的行,因为这些行对我们来说没有任何意义。我们可以使用 dropna
函数来删除这些行:
df = df.dropna(subset=["age"])
我们还可能想要去除负数的年龄。我们可以使用布尔索引来选择不符合条件的行,并使用 drop
函数删除它们:
df = df[df["age"] >= 0]
最后,假设我们想要对地址列进行清洗。我们可能希望将所有的地址转换为小写,并去除多余的空格。我们可以