Python數據預處理常用的5個技巧
前言
我們知道數據是一項寶貴的資產,近年來經歷瞭指數級增長。但是原始數據通常不能立即使用,它需要進行大量清理和轉換。
Pandas 是 Python 的數據分析和操作庫,它有多種清理數據的方法和函數。在本文中,我將做5個示例來幫助大傢掌握數據清理技能。
數據集
這是一個包含臟數據的示例數據框
讓我們看看可以做些什麼來使這個數據集變得幹凈。
第一列是多餘的,應該刪除;
Date 沒有標準;
Name 寫成姓氏、名字,並有大寫和小寫字母;
Payment 代表一個數量,但它們顯示為字符串,需要處理;
在 Note 中,有一些非字母數字應該被刪除;
示例 1
刪除列是使用 drop 函數的簡單操作。除瞭寫列名外,我們還需要指定軸參數的值,因為 drop 函數用於刪除行和列。 最後,我們可以使用 inplace 參數來保存更改。
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換為適當的格式。一種更簡單的方法是使用 astype 函數來更改列的數據類型。
它能夠處理范圍廣泛的值並將它們轉換為整潔、標準的日期格式。
df["Date"] = df["Date"].astype("datetime64[ns]")
示例 3
關於名稱列,我們首先需要解決如下問題:
首先我們應該用所有大寫或小寫字母來表示它們。另一種選擇是將它們大寫(即隻有首字母是大寫的);
切換姓氏和名字的順序;
df["Name"].str.split(",", expand=True)
然後,我將取第二列與第一列結合起來,中間有一個空格。最後一步是使用 lower 函數將字母轉換為小寫。
df["Name"] = (df["Name"].str.split(",", expand=True)[1] + " " + df["Name"].str.split(",", expand=True)[0]).str.lower()
示例 4
支付Payment的數據類型是不能用於數值分析的。在將其轉換為數字數據類型(即整數或浮點數)之前,我們需要刪除美元符號並將第一行中的逗號替換為點。
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刪除。在處理大型數據集時,可能很難手動替換它們。
我們可以做的是刪除非字母數字字符(例如?、!、-、. 等)。在這種情況下也可以使用 replace 函數,因為它接受正則表達式。
如果我們隻想要字母字符,下面是我們如何使用替換函數:
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字(即字母數字),我們需要在我們的正則表達式中添加數字:
df["Note"].str.replace('[^a-zA-Z0-9]', '') 0 Unhappy 1 Satisfied 2 Neutral 3 Unhappy 4 Neutral0 Name: Note, dtype: object
請註意,這次沒有刪除最後一行中的 0,我隻需選擇第一個選項。如果我還想在刪除非字母數字字符後將字母轉換為小寫
df["Note"] = df["Note"].str.replace('[^a-zA-Z]', '').str.lower()
與初始形式相比,數據集看起來要好得多。當然,它是一個簡單的數據集,但這些清理操作在處理大型數據集時肯定會對你有所幫助。
總結
到此這篇關於Python數據預處理常用的5個技巧的文章就介紹到這瞭,更多相關Python數據預處理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 利用pandas進行數據清洗的方法
- 讓你一文弄懂Pandas文本數據處理
- Pandas 類型轉換astype()的實現
- Python Pandas教程之series 上的轉換操作
- pandas快速處理Excel,替換Nan,轉字典的操作