最近在做“对比excel，学习pandas系列”，前面发了一篇 很受读者喜爱，今天给大家介绍一下excel和pandas实现数据清洗的种方式
1.处理数据中的空值
我们在处理真实的数据时，往往会有很多缺少的的特征数据，就是所谓的空值，必须要进行处理才能进行下一步分析
空值的处理方式有很多种，一般是删除或者填充
Excel通过“查找和替换”功能实现空值的统一替换：
通过“定位”删除空值：
pandas处理空值的方式比较灵活，可以使用dropna函数删除空值
- import pandas as pd
- data=pd.read_csv('成绩表.csv',encoding='gbk')
- data.dropna(how='any')
用fillna函数实现空值的填充
①使用数字0填充数据表中的空值
- data.fillna(value=0)
②使用平均值填充数据表中的空值
- data['语文'].fillna(data['语文'].mean())
2.删除空格
excel中清理空格很简单，直接替换即可
pandas删除空格也很方便，主要使用map函数
- data['姓名']=data['姓名'].map(str.strip)
- data
3.大小写转换
excel中大小写转换函数分别为upper()和lower()
pandas中转换函数也为upper()和lower()
- data['拼音']=data['拼音'].str.upper()
- data
- data['拼音']=data['拼音'].str.lower()
- data
4.更改数据格式
excel中更改数据格式通过快捷键“ctrl+1”打开“设置单元格格式”：
pandas使用astype来修改数据格式，以将“语文”列改成整数为例
- data['语文'].dropna(how='any').astype('int')
5.更改列名称
excel中更改列名称就不说了，大家都会
pandas使用rename函数更改列名称，代码如下：
- data.rename(columns={'语文':'语文成绩'})
6.删除重复值
excel的功能区“数据”下有“删除重复项”，可以用来删除表中的重复值，默认保留最第一个重复值，把后面的删除：
pandas使用drop_duplicates函数删除重复值：
- data['数学'].drop_duplicates() #默认删除后面的重复值
- data['数学'].drop_duplicates(keep='last') #删除第一项重复值
7.修改及替换数据
excel中使用“查找和替换”功能实现数值的替换
pandas中使用replace函数实现数据替换
- data['姓名'].replace('成 功','失 败')
本文转载自微信公众号「python数据分析之禅」，可以通过以下二维码关注。转载本文请联系python数据分析之禅公众号。
