数据预处理

一般例如json数据可以用Pandas进行数据处理
with open('xxx.json','r', encoding = 'utf-8') as filename

import json
import pandas as pd
# 读取JSON文件, utf-8保留中文
with open('json/prompt.json', 'r', encoding='utf-8') as file:
    data = json.load(file)
# 存储提取的内容
extracted_data = []

# 遍历
for item in data:
	if item['kwargs'] != "{}":  # 或者 if 'kwargs' in item:
		kwargs_dict = item
		extracted_data.append(kwargs_dict)

# 写入新的JSON文件,可以同时写多个，ensure_ascii false保留中文，index 缩进4格
with open('new1.json','w',encoding = 'utf-8') as newfile1, with open ('new2.json','w',encoding = 'utf-8') as newfile2：
	json.dump(extracted_data, newfile1, ensure_ascii = False, index = 4)

# df格式
df = pd.DataFrame(data)
# csv保存
# 如果需要保存为CSV文件
df.to_csv('output.csv', index=False, encoding='utf-8') # 此处index是索引，，不包含索引
		

Pandas DataFrame 提供了丰富的数据处理和查看方法。以下是一些常见的方法和示例代码：

查看数据

1. 查看前几行数据

   df.head()
   

   查看前5行数据。

2. 查看后几行数据

   df.tail()
   

   查看后5行数据。

3. 查看数据的基本信息

   df.info()
   

   显示数据类型、非空值计数等信息。

4. 查看描述性统计信息

   df.describe()
   

   显示数据的统计信息，如平均值、标准差等。

处理缺失值

1. 查找缺失值

   df.isnull().sum()
   

   查看每列缺失值的数量。

2. 删除包含缺失值的行

   df.dropna()
   

   删除包含任何缺失值的行。

3. 填充缺失值

   df.fillna(value)
   

   用指定值填充缺失值。例如，用0填充：

   df.fillna(0)
   

数据选择与过滤

1. 选择列

   df['column_name']
   

   选择单列数据。

   df[['column1', 'column2']]
   

   选择多列数据。

2. 选择行

   使用行索引选择行：

   df.loc[0]
   

   使用条件过滤行：

   df[df['column_name'] > value]
   

数据操作

1. 添加新列

   df['new_column'] = df['column1'] + df['column2']
   

2. 删除列

   df.drop(columns=['column_name'])
   

3. 重命名列

   df.rename(columns={'old_name': 'new_name'}, inplace=True)
   

4. 数据排序

   df.sort_values(by='column_name', ascending=False)
   

数据合并

1. 按列合并

   df1.merge(df2, on='common_column')
   

2. 按行合并

   pd.concat([df1, df2])