pandas 常用清洗数据

Posted cbugs

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pandas 常用清洗数据相关的知识,希望对你有一定的参考价值。

数据源获取:

https://www.kaggle.com/datasets

 

1、

Look at the some basic stats for the ‘imdb_score’ column: data.imdb_score.describe()
Select a column: data[‘movie_title’]
Select the first 10 rows of a column: data[‘duration’][:10]
Select multiple columns: data[[‘budget’,’gross’]]
Select all movies over two hours long: data[data[‘duration’] > 120]

 

data.country = data.country.fillna(‘’)
data.duration = data.duration.fillna(data.duration.mean())

data = pd.read_csv(‘movie_metadata.csv’, dtype={title_year: str})

data[‘movie_title’].str.upper()

Similarly, to get rid of trailing whitespace:

data[‘movie_title’].str.strip()

data = data.rename(columns = {‘title_year’:’release_date’, ‘movie_facebook_likes’:’facebook_likes’})

 

丢弃带有NAN的所有项
data.dropna()

丢弃所有元素都是NAN的行
data.dropna(how=all)

丢弃所有元素都是NAN的列
data.dropna(axis=1,how=all)  #axis = 0 行,=1 列

只保留至少有3个非NAN值的行
data.dropna(thresh=3)

 

以上是关于pandas 常用清洗数据的主要内容,如果未能解决你的问题,请参考以下文章

Pandas常用的数据清洗方法

pandas常用数据清洗方法

大数据清洗4(pandas-DataFrame常用操作)

python清洗Excel数据常用方法

大数据清洗3(pandas - 基本数据结构)

利用pandas对在链家网爬取的租房数据进行清洗