當前位置:成語大全網 - 書法字典 - 熊貓的數據被輸入字典。

熊貓的數據被輸入字典。

幹凈整潔的數據是後續研究分析的基礎。數據科學家會花很多時間清理數據集。毫不誇張地說,數據清理會占用他們80%的工作時間,而真正花在分析數據上的時間只占20%左右。

那麽,數據清洗到底是什麽?

壹般來說,妳獲得的原始數據不能直接用於分析,因為它們會出現各種問題,比如信息無效、列名不規範、格式不壹致、值重復、值缺失、值異常等等。.....

本文將介紹壹些使用Pandas和Python附帶的NumPy庫進行數據清理的實用技巧。

這是讀取數據的入門級命令。在分析壹個數據集的時候,很多信息其實是不需要的。因此,需要刪除不必要的行或列。以csv文件為例,導入時設置pd.read_csv()中的參數就可以達到這個目的。

我們先來感受壹下官方文件中給出的詳細解釋。裏面有不少參數。本文只介紹幾種常用的。有興趣可以好好研究壹下文檔。這些參數還是很好用的,導入後可以省去很多工作。

當原始數據的列名不容易理解或不夠簡潔時,可以使用。rename()方法來修改它們。這裏我們把英文列名改成中文,先創建壹個字典,定義要修改的列名,然後調用rename()方法。

數據的默認索引是從0開始的有序整數,但是如果要將列設置為新索引,可以使用read_csv()中的參數index_col和的方法。set_index()。

另外,如果數據被刪除或重組,我們可以重置索引,使索引從0開始依次排序。

字符串str操作非常實用,因為列中總是包含不必要的字符,常見的方法如下:

Str.lower()將大寫轉換為小寫,同理str.upper()將小寫轉換為大寫,並將示例中大寫字母表示的索引轉換為小寫。

設置初始大寫

Str.replace("a ","")替換特定字符。這裏,列中的A被刪除並替換為空白字符。

從字符串中刪除前導空格和尾隨空格。

Str.split('x ')使用字符串中的' x '字符作為分隔符將字符串分隔成壹個列表。這裏,列中的值除以“.”。

Str.get()選擇列表中某個位置的值。然後,我們使用str.get(0)取出列表中前壹個位置的值,生成壹個新列。

Str.contains()確定壹個字符是否存在,並返回壹個布爾值。

Str.find("-")檢測字符串是否包含"-",如果包含,則返回子字符串起始位置的索引值;如果不是,則返回-1。

學習了字符串操作的基本方法之後,我們再來看看如何結合NumPy來提高字符串操作的效率。

我們可以把。熊貓中的str()方法與NumPy的np.where函數,是Excel的IF()宏的矢量化形式,其語法如下:

如果條件條件為真,則執行,否則執行。這裏的條件可以是類數組的對象,也可以是布爾表達式,我們還可以使用np.where函數嵌套多個條件進行矢量化計算和判斷。

接下來,我們需要整理列中的字符串。除了循環和。str()方法,我們也可以選擇使用applymap()方法,它將作用於整個DataFrame的所有行和列中的每個元素。

首先定義了函數get_citystate(item),它的作用是只提取元素中的有效信息。然後,我們將這個函數傳遞到applymap()中,並將其應用於df3。看起來是不是幹凈多了?結果如下:

如果妳沒有聽說過它,我不能強調它的重要性。輸入以下命令:

妳會發現df1變了。這是因為df2 = df1不會生成df1的副本並將其賦給df2,而是設置壹個指向df1的指針。所以只要是針對df2的變化,也會相應作用於df1。為了解決這個問題,妳可以這樣做:

您也可以這樣做:

該命令用於檢查值的分布。妳想檢查“C”列中的值和每個值的頻率,妳可以使用:

以下是壹些有用的提示/參數:

Lsin()用於過濾數據幀。Isin()幫助選擇特定列中具有特定(或多個)值的行。

在SQL中,我們可以使用select * from...其中ID in ('a001 ',' c022 ',...)來獲取具有指定id的記錄。如果妳想在熊貓身上做類似的事情,妳可以用:

select_dtypes()的功能是根據dtypes返回數據框列的子集。此函數的參數可以設置為包括具有特定數據類型的所有列,或者排除具有特定數據類型的列。

Pivot_table()在熊貓裏也是壹個很有用的函數。如果妳對excel中pivot_table()的使用有所了解,那麽入門會非常容易。

如果需要計算樣本缺失率的分布,只需添加參數axis=1即可。

有兩種類型的分組:重復值和非重復值。在沒有重復值的情況下。

首先按Mt列分組,然後用idxmax函數取出分組後數據框最大計數所在的列,再用iloc位置索引取出行。有重復的值。

將id分組後,對分數應用等級函數。如果得分相同,則給予相同的排名,然後取出排名為1的數據。

本文介紹了兩種有效的組內排序方法。

這樣轉換第三列會出錯,因為這壹列包含了代表0的下劃線,熊貓無法自動判斷這個下劃線。要解決這個問題,您可以使用to_numeric()函數來處理第三列,並讓pandas將任何無效輸入轉換為NaN。

df = df.apply(pd.to_numeric,errors = ' constrate ')。菲爾納(0)

方法1:只讀取真正需要的列,並使用usecols參數。

方法二:將包含類別數據的對象列轉換為類別數據類型,通過指定dtype參數實現。

希望這篇文章的內容能給妳的學習或者工作帶來壹些幫助,每天進步壹點點。加油~