【新星计划】【数据清洗】pandas库清洗数据的七种方式

1.处理数据中的空值

我们在处理真实的数据时，往往会有很多缺少的的特征数据，就是所谓的空值，必须要进行处理才能进行下一步分析

空值的处理方式有很多种，一般是删除或者填充

Excel通过“查找和替换”功能实现空值的统一替换：

图片

通过“定位”删除空值：

图片

pandas处理空值的方式比较灵活，可以使用dropna函数删除空值

import pandas as pd
data=pd.read_csv('成绩表.csv',encoding='gbk')
data.dropna(how='any')

图片

图片

用fillna函数实现空值的填充

①使用数字0填充数据表中的空值

data.fillna(value=0)  

图片

②使用平均值填充数据表中的空值

data['语文'].fillna(data['语文'].mean())

图片

2.删除空格

excel中清理空格很简单，直接替换即可

pandas删除空格也很方便，主要使用map函数

data['姓名']=data['姓名'].map(str.strip)
data

图片

3.大小写转换

excel中大小写转换函数分别为upper()和lower()

pandas中转换函数也为upper()和lower()

data['拼音']=data['拼音'].str.upper()
data

图片

data['拼音']=data['拼音'].str.lower()
data

图片

4.更改数据格式

excel中更改数据格式通过快捷键“ctrl+1”打开“设置单元格格式”：

图片

pandas使用astype来修改数据格式，以将“语文”列改成整数为例

data['语文'].dropna(how='any').astype('int')

图片

5.更改列名称

excel中更改列名称就不说了，大家都会

pandas使用rename函数更改列名称，代码如下：

data.rename(columns={'语文':'语文成绩'})

图片

6.删除重复值

excel的功能区“数据”下有“删除重复项”，可以用来删除表中的重复值，默认保留最第一个重复值，把后面的删除：

图片

pandas使用drop_duplicates函数删除重复值：

data['数学'].drop_duplicates()  #默认删除后面的重复值

data['数学'].drop_duplicates(keep='last')  #删除第一项重复值

7.修改及替换数据

excel中使用“查找和替换”功能实现数值的替换

pandas中使用replace函数实现数据替换

data['姓名'].replace('成  功','失  败')