数据预处理（一）

数据处理

数据处理维度

1. 消费时间
2. 消费周期
3. 近6个月消费次数
4. 近6个月消费金额
5. 最小消费金额
6. 累计消费金额
7. 最大消费金额
8. 累计消费次数

数据处理步骤

导入数据

table=pd.read_excel(r"C:\Users\Kaiser\Desktop\DataDocument\storedata.xls")

数据的导入需要保证路径里的文件名全部为英文

将某一字符型的列按分类换成数字

data["消费类型"]=data["类型"]=="餐费支出"

删除类型与支付方式的列

data.drop(columns=["类型","支付方式"],inplace=True)

将所有数据按照时间排序

将时间转化为时间类型然后再进行sort排序即可

data["时间"]=pd.to_datetime(data["时间"])
data.sort_values('时间',inplace=True)

将时间转换为字符串并分为日期和时刻

时间这一列的字符串以空格为分隔分开

data["时间"]=data["时间"].astype('string')
data["学号"]=data["学号"].astype('string')
print(data.dtypes)
data["消费日期"]=data["时间"].str.split(' ',expand=True)[0]
data["消费时间"]=data["时间"].str.split(' ',expand=True)[1]

删去时间这一列

data.drop(columns=["时间"],inplace=True)

导出Excel

在导出的时候要安装xlwt库并且要注意\转义的问题，最终的文件要以xls结尾

data.to_excel(r"C:\Users\Kaiser\Desktop\DataDocument\changedata1.xls")

所有代码

import numpy as np
import pandas as pd
table=pd.read_excel(r"C:\Users\Kaiser\Desktop\DataDocument\storedata.xls")
data=table
data["消费类型"]=data["类型"]=="餐费支出"
data.drop(columns=["类型","支付方式"],inplace=True)
data.sort_values('学号',inplace=True)
data["时间"]=pd.to_datetime(data["时间"])
data.sort_values('时间',inplace=True)
#print(data)
data["时间"]=data["时间"].astype('string')
data["学号"]=data["学号"].astype('string')
print(data.dtypes)
data["消费日期"]=data["时间"].str.split(' ',expand=True)[0]
data["消费时间"]=data["时间"].str.split(' ',expand=True)[1]
data.drop(columns=["时间"],inplace=True)
data.to_excel(r"C:\Users\Kaiser\Desktop\DataDocument\changedata1.xls")
print(data)

处理前：

处理后：