Python教程

第四节：Python中用pandas, numpy等清洗数据

本文主要是介绍第四节：Python中用pandas, numpy等清洗数据，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

准备

import numpy as np
import pandas as pd
np.random.seed(12345)
import matplotlib.pyplot as plt

1、 处理缺失数据

缺失值在很多数据分析应用中出现
pandas的目标之一就是尽可能“无痛”地处理缺失值
pandas对象的所有描述性统计信息默认情况下是排除缺失值的
pandas使用NaN(Not a Number)来表示缺失值

from numpy import nan as NA   #重命名NA为空值

在这里插入图片描述

（1）过滤缺失值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

（2）补全缺失值

有时可能不想滤除缺失数据（有可能会丢弃跟它有关的其他数据），而是希望通过其他方式填补那些“空洞”。
对于大多数情况而言，fillna方法是最主要的函数。
通过一个常数调用fillna就会将缺失值替换为那个常数值：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

在这里插入图片描述

2、数据转换

（1）移除重复值

在这里插入图片描述在这里插入图片描述

(2) 使用函数或映射进行数据转换

对于许多数据集，可能希望根据数组、Series或DataFrame列中的值来实现转换工作。

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

在这里插入图片描述

（3）替代值

在这里插入图片描述在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

这篇关于第四节：Python中用pandas, numpy等清洗数据的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
栏目导航