一文带你深入了解Python中的数据清洗
这里数据清洗需要用到的库是pandas库，下载方式还是在终端运行 ： pip install pandas.
首先我们需要对数据进行读取
import pandas as pd
data = pd.read_csv(r'E:\PYthon\用户价值分析 RFM模型\data.csv')
pd.set_option('display.max_columns', 888) # 大于总列数
pd.set_option('display.width', 1000)
print(data.head())
print(data.info())
第3行是对数据进行读取，pandas库里面有读取函数调用即可，csv格式是读取写入速度最快的。
第4，5行是为了读取的实话显示全部的列，是因为很多列的话pycharm会把中间一些列隐藏掉，所以我们这为了他不隐藏就加这两行代码。
第6行是显示表头，我们可以看到有什么字段，列名
第7行是显示表的基本信息，每一列有多少数据，字段是什么类型的数据。非空的数据有多少，所以我们第一步就可以看得到基本那一列有空值了。
空值处理
data.info()后我们可以看到大部分数据都有541909行，所以我们大致猜到是Description ，CustomerID 列漏结果了
# 空值处理 print(data.isnull().sum()) # 空值中和，查看每一列的空值 # 空值删除 data.drop(columns=['Description'], inplace=True) print(data.info()) data.isnull()判断是否为空。data.isnumll().sum()计算空值数量。
第5行进行空值删除，这里先删除Description列的空值，inplace=True意思是对数据进行修改，如果没有inplace=True，则不对data进行修改，打印数据还是和之前一样，或者重新定义一个变量进行赋值。
由于这一列空值数据比较少，这一列数据对我们数据分析没有那么重要，所以我们选择删除这一整列。
我们这个表是对客户进行筛选的，所以以CustomerID为准，强制删除其他列
# CustomerID有空值 # 删除所有列的空值 data.dropna(inplace=True) # print(data.info()) print(data.isnull().sum()) # 由于CustomerID为必须字段，所以强制删除其他列，以CustomerID为准
这里我们先对其他字段进行类型转换
类型转换
# 转换为日期类型
data['InvoiceDate'] = pd.to_datetime(data['InvoiceDate'])
# CustomerID 转换为整型
data['CustomerID'] = data['CustomerID'].astype('int')
print(data.info())
以上我们处理了空值，接下来我们处理异常值。
异常值处理
查看表的基本数据分布可以使用describe
print(data.describe())
可以看到数据Quantity 列中最小值为-80995.这列明显有异常值，所以需要对这一列进行异常值筛选。
只需要大于0的值。
data = data[data['Quantity'] > 0] print(data)
打印一下就只有397924行了。
重复值处理
# 查看重复值 print(data[data.duplicated()])
有5194行重复值，这里的重复值是完全重复的，所以是没用的数据我们可以进行删除。
删除重复值
# 删除重复值 data.drop_duplicates(inplace=True) print(data.info())
删除后对原来的表进行保存，再去查看一下表的基本信息
现在还剩下392730条数据。数据到这一步就完成了数据清洗。空值，异常值，重复值，类型转换。后面一篇文章是对数据进行分析。
到此这篇关于一文带你深入了解Python中的数据清洗的文章就介绍到这了,更多相关Python数据清洗内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python实战技巧之去除列表中的空值元素,搜集针对python高效处理数据的核心代码，今天是实现去除列表中的空值元素，需要的朋友可以参考下2023-02-02
今天小编来为大家分享一个有趣的可视化技巧，就是如何利用Python语言实现从图片中提取颜色然后绘制成可视化图表，感兴趣的可以尝试一下2022-07-07
这篇文章主要介绍了100行Python代码，每天不同时间段定时给女友发消息,本文给出了实现思路，代码简单易懂非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下2019-09-09
这篇文章主要介绍了Python基于Serializer实现字段验证及序列化,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-11-11
pytorch算子torch.arange在CPU GPU NPU中支持数据类型格式
这篇文章主要为大家介绍了pytorch算子torch.arange在CPU GPU NPU支持数据类型格式，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-09-09
今天小编就为大家分享一篇关于使用Python抓取豆瓣影评数据的方法，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2018-10-10
Python代码来实现一个最简单的CPU。用代码模拟大的部件,使大家从原理上理解CPU工作。使它可编程，支持加减法运算、读写内存、无条件跳转、条件跳转的功能。2023-01-01
这篇文章主要介绍了Python爬虫headers处理及网络超时问题解决方案,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
Python访问MongoDB,并且转换成Dataframe的方法
今天小编就为大家分享一篇Python访问MongoDB,并且转换成Dataframe的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
这篇文章主要介绍了Python装饰器模式定义与用法,结合实例形式分析了Python装饰器模式的具体定义、使用方法及相关操作技巧,需要的朋友可以参考下2018-08-08
最新评论