前言

我們知道數(shù)據(jù)是一項(xiàng)寶貴的資產(chǎn)，近年來(lái)經(jīng)歷了指數(shù)級(jí)增長(zhǎng)。但是原始數(shù)據(jù)通常不能立即使用，它需要進(jìn)行大量清理和轉(zhuǎn)換。

Pandas 是 Python 的數(shù)據(jù)分析和操作庫(kù)，它有多種清理數(shù)據(jù)的方法和函數(shù)。在本文中，我將做5個(gè)示例來(lái)幫助大家掌握數(shù)據(jù)清理技能。

數(shù)據(jù)集

這是一個(gè)包含臟數(shù)據(jù)的示例數(shù)據(jù)框

讓我們看看可以做些什么來(lái)使這個(gè)數(shù)據(jù)集變得干凈。

第一列是多余的，應(yīng)該刪除；

Date 沒(méi)有標(biāo)準(zhǔn)；

Name 寫(xiě)成姓氏、名字，并有大寫(xiě)和小寫(xiě)字母；

Payment 代表一個(gè)數(shù)量，但它們顯示為字符串，需要處理；

在 Note 中，有一些非字母數(shù)字應(yīng)該被刪除;

示例 1

刪除列是使用 drop 函數(shù)的簡(jiǎn)單操作。除了寫(xiě)列名外，我們還需要指定軸參數(shù)的值，因?yàn)?drop 函數(shù)用于刪除行和列。 最后，我們可以使用 inplace 參數(shù)來(lái)保存更改。

import pandas as pd
df.drop("Unnamed: 0", axis=1, inplace=True)

示例 2

我們有多種選擇將日期值轉(zhuǎn)換為適當(dāng)?shù)母袷健Ｒ环N更簡(jiǎn)單的方法是使用 astype 函數(shù)來(lái)更改列的數(shù)據(jù)類型。
它能夠處理范圍廣泛的值并將它們轉(zhuǎn)換為整潔、標(biāo)準(zhǔn)的日期格式。

df["Date"] = df["Date"].astype("datetime64[ns]")

示例 3

關(guān)于名稱列，我們首先需要解決如下問(wèn)題：

首先我們應(yīng)該用所有大寫(xiě)或小寫(xiě)字母來(lái)表示它們。另一種選擇是將它們大寫(xiě)（即只有首字母是大寫(xiě)的）；

切換姓氏和名字的順序；

df["Name"].str.split(",", expand=True)

然后，我將取第二列與第一列結(jié)合起來(lái)，中間有一個(gè)空格。最后一步是使用 lower 函數(shù)將字母轉(zhuǎn)換為小寫(xiě)。

df["Name"] = (df["Name"].str.split(",", expand=True)[1] + " " + df["Name"].str.split(",", expand=True)[0]).str.lower()

示例 4

支付Payment的數(shù)據(jù)類型是不能用于數(shù)值分析的。在將其轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)類型(即整數(shù)或浮點(diǎn)數(shù))之前，我們需要?jiǎng)h除美元符號(hào)并將第一行中的逗號(hào)替換為點(diǎn)。

我們可以使用 Pandas 在一行代碼中完成所有這些操作

df["Payment"] = df["Payment"].str[1:].str.replace(",", ".").astype("float")

示例 5

Note 列中的一些字符也需要?jiǎng)h除。在處理大型數(shù)據(jù)集時(shí)，可能很難手動(dòng)替換它們。

我們可以做的是刪除非字母數(shù)字字符（例如？、！、-、. 等）。在這種情況下也可以使用 replace 函數(shù)，因?yàn)樗邮苷齽t表達(dá)式。

如果我們只想要字母字符，下面是我們?nèi)绾问褂锰鎿Q函數(shù)：

df["Note"].str.replace('[^a-zA-Z]', '')
0      Unhappy
1    Satisfied
2      Neutral
3      Unhappy
4      Neutral
Name: Note, dtype: object

如果我們想要字母和數(shù)字（即字母數(shù)字），我們需要在我們的正則表達(dá)式中添加數(shù)字：

df["Note"].str.replace('[^a-zA-Z0-9]', '')
0      Unhappy
1    Satisfied
2      Neutral
3      Unhappy
4      Neutral0
Name: Note, dtype: object

請(qǐng)注意，這次沒(méi)有刪除最后一行中的 0，我只需選擇第一個(gè)選項(xiàng)。如果我還想在刪除非字母數(shù)字字符后將字母轉(zhuǎn)換為小寫(xiě)

df["Note"] = df["Note"].str.replace('[^a-zA-Z]', '').str.lower()

與初始形式相比，數(shù)據(jù)集看起來(lái)要好得多。當(dāng)然，它是一個(gè)簡(jiǎn)單的數(shù)據(jù)集，但這些清理操作在處理大型數(shù)據(jù)集時(shí)肯定會(huì)對(duì)你有所幫助。

總結(jié)