《Python数据分析与挖掘实战》代码问题

最新推荐文章于 2023-03-13 20:49:50 发布

wx1871428

最新推荐文章于 2023-03-13 20:49:50 发布

阅读量597

点赞数

分类专栏：数据分析数据挖掘

本文链接：https://blog.csdn.net/wx1871428/article/details/118396212

版权

本文转自：http://blog.csdn.net/qq_27469517/article/details/53482563

整个第四章都是数据预处理。

4.1是数据清洗。就是处理无关数据，缺失或者异常数据等等。

具体看书，就不赘述了，还是上代码实践。

书上给的代码是有问题的！

#拉格朗日插值代码
import pandas as pd #导入数据分析库Pandas
from scipy.interpolate import lagrange #导入拉格朗日插值函数
1. inputfile = ‘data/catering_sale.xls’ #销量数据路径
outputfile = ‘tmp/sales.xls’ #输出数据路径
1. data = pd.read_excel(inputfile) #读入数据
data[u ‘销量’ ][(data[u ‘销量’ ] < 400 ) | (data[u ‘销量’ ] > 5000 )] = None #过滤异常值，将其变为空值
1. #自定义列向量插值函数
#s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
def ployinterp_column(s, n, k= 5 ):
y = s[list(range(n-k, n)) + list(range(n+ 1 , n+ 1 +k))] #取数
y = y[y.notnull()] #剔除空值
return lagrange(y.index, list(y))(n) #插值并返回拉格朗日插值结果
1. #逐个元素判断是否需要插值
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]: #如果为空即插值。
data[i][j] = ployinterp_column(data[i], j)
1. data.to_excel(outputfile) #输出结果，写入文件

究其原因，应该是

data[u ‘销量’ ][(data[u ‘销量’ ] < 400 ) | (data[u ‘销量’ ] > 5000 )] = None #过滤异常值，将其变为空值

这句话有问题。

改正方法主要是 .loc 函数进行修改。

.loc 函数主要是选定指定列操作，参见 http://blog.csdn.net/chixujohnny/article/details/51095817

参考下面这个链接

http://blog.csdn.net/o1101574955/article/details/51627401

给出了修改版：

关注