csv文件数据清洗

Posted itljx

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csv文件数据清洗相关的知识,希望对你有一定的参考价值。

一、需求:

对爬取的csv文件进行数据清洗

运用内容:pandas、正则表达式

二、简单分析:

技术图片共176条数据

其中,分析目标以全职为准,但职位名称包含实习信息,需要删除掉。

 

技术图片

数据方面:csv保存格式为str,运用正则表达式提取数值工作经验去平均值,工资按市场情况,取工资范围前25%。

 技术图片

三、代码:

import pandas as pd
df = pd.read_csv(lagou8.4jobs.csv,encoding=utf-8-sig)
#print(df.describe())
#共175条信息,其中包含了实习信息需要清洗掉
df.drop(df[df[职位名称].str.contains(实习)].index,inplace=True)
#print(df.describe())
#67条
pattern = \\d+         #正则表达式 获取所有数字
df[工作经验] = df[工作经验].str.findall(pattern)
#print(df[‘工作经验‘])
avg_work_year = []
for i in df[工作经验]:
    if len(i) == 0:
        avg_work_year.append(0)
    else:
        num = [int(j) for j in i]
        avg = sum(num)/2
        avg_work_year.append(avg)
#print(avg_work_year)
df[工作经验] = avg_work_year

df[工资] = df[工资].str.findall(pattern)
#print(df[‘工资‘])
avg_salary = []
for i in df[工资]:
    num = [int(j) for j in i]
    #print(num)
    avg = num[0]+(num[1]-num[0])/4
    print(avg)
    avg_salary.append(avg)
df[工资] = avg_salary

df.to_csv(clear_data.csv, index = False,encoding=utf-8-sig)

 其间遇到问题:

一开始csv文件名为中文,导入期间遇到编码问题‘utf-8’无法解析,后查证修改文件名,以utf-8编码模式保存即可。

 

以上是关于csv文件数据清洗的主要内容,如果未能解决你的问题,请参考以下文章

数据清洗《黑马程序员》著本人学习笔记

spark数据清洗练习

Python数据清洗之csv Reader zip匹配与组装

Pandas 二手房数据清洗可视化实战练习(带源码资源)

Python数据清洗之csv Reader lookup匹配缺失列

黑马程序员《数据清洗》学习笔记CSVJSON数据抽取