python 删掉某一列_Python数据分析第八节数据预处理 Excel与python 操作对比-CSDN博客

Excel是我们最常用的office软件之一，很多工作内容都是每天处理大量Excel表格，相同的操作如果用python来操作是怎样的呢，这两者之间有什么互补的呢？这一节我们将举几个例子来看一下～

缺失值查看
缺失值删除
缺失值填充
重复值处理

1. 缺失值查看

Excel操作

如果数据不是特别多，想看到具体是哪个单元格数据缺失，可以利用定位条件(Ctrl+G)，会弹出对话框，我们选择定位条件为 ‘空值’ 进行定位：

按照这个操作，缺失值部分会被标注出来：

如果Excel表格数据过多，我们只能通过选中每一列，查看右下角的计数，通过对比无缺失值的列和有缺失值的列来得到缺失了多少数据。

python操作

python中直接调用info()方法就会返回每一列的缺失情况。我们用上面的简单表格导入python进行操作看一下～

这段语句生成的是该表格的所有基本信息，我们只需要对比entries的个数和“姓名”，“年龄”，“性别”，“身高”，“体重”后面的的数值即可，一样代表没有缺失值，上面的例子可以看出，性别和身高分别只有4个元素，说明性别和身高各缺失1个值。

如果数据量非常大，用python可以对缺失数据有一个快速的了解。

2. 缺失值删除

Excel操作

选中有缺失值的单元格，鼠标右键删除整行

或者选中有缺失值的单元格，快捷键command+减号(MacOS系统)

Excel只能一行一行的操作，如果数据很多，会非常耗时间

python操作

在python中，我们利用dropna()方法，dropna()方法默认删除含有缺失值的行，只要某一行含有缺失值就把这一行删除。

如果想删除空白行，只需要传入一个参数 how='all' 即可，这样就只会删除那些全为空值的行，不全为空值的行不会被删除。

如果想删除至少有 n 个缺失值的行，我们可以传入参数thresh=n, 这样小于n 个缺失值的行就不会被删除了。

如果想删除某几列里面有缺失值的行，我们需要传入参数subset=['列名1' , '列名2' , ...]即可。这样如果被指定的列里面有缺失值，这些行就会被删除了。

小贴士：dropna()方法本身不会替换原表格，如果想用删除后的表格替换原表格，只需在括号里加上 inplace=True 即可，这个细节适用所有后面介绍的操作～

可以看到，经过删除之后，所有列都只剩三个元素了，不再有缺失值了

3. 缺失值填充

Excel操作

先利用缺失值查找的方法：Ctrl+G 定位空值。定位之后，不要点按鼠标直接输入想要填充的数字，大多数情况下填充0，然后按Ctrl+Enter即可将全部缺失值换成想要填充的同一个数字。

如果每一列需要填充的数字不一样怎么办？

很简单我们只需要在操作之前先选中某一列，然后执行上面的操作，将一列的缺失值全部填充为同一数字，然后再选中另一列，填充另一个内容即可。

python操作

在python中，我们利用fillna()方法对数据表中缺失数据进行填充，在fillna后面括号中输入要填充的内容即可。

# 将缺失值全部填充0df.fillna(0)# 将身高一列缺失值填充170df['身高'].fillna(170)# 将身高一列缺失值填充身高的平均值df['身高'].fillna(df['身高'].mean())

是不是感觉python处理起来更加的灵活呢，想怎么填就怎么填，而且只需要一个语句就可以修改整个Excel表格了～

4. 重复值处理

Excel操作

在Excel中，我们先选中要删除重复值的表格部分，然后依次单击菜单栏中的数据>数据工具>删除重复值

会出现如下对话框：

全选代表重复行完全一摸一样，如果你只想跟据某几列是否重复来删除，选中要根据的那几列就好。删除是Excel会默认保留在前面的行，后面的重复行将会被删除。

python操作

在python中，我们利用drop_duplicates()方法，该方法默认对所有值进行重复值判断，且默认保留前面的行。

当然，也可以像Excel一样，只对某几列的值进行重复判断，我们只需要在drop_duplicates 后面的括号里输入 subset='列名' 即可，多个列名这样输入：subset=['列名1' , '列名2' , ...] 即可。

还有，如果你想保留在后面的行，删除在前面的重复行，只需再传入 keep='last' 即可；如果想把有重复的重复行都删除，一个都不保留，传入keep=False 即可。

# 删除完全重复行df.drop_duplicates()# 删除姓名，年龄两列都相同的重复行，且保留最后一行df.drop_duplicates(subset=['姓名' , '年龄'], keep='last')# 删除姓名，年龄两列都相同的重复行，全部删除，不保留df.drop_duplicates(subset=['姓名' , '年龄'], keep=False)

💻

长按关注公众号

欢迎留言交流