8段用于数据清洗Python代码(小结)


Posted in Python onOctober 31, 2019

最近,大数据工程师Kin Lim Lee在Medium上发表了一篇文章,介绍了8个用于数据清洗的Python代码。

数据清洗,是进行数据分析和使用数据训练模型的必经之路,也是最耗费数据科学家/程序员精力的地方。

这些用于数据清洗的代码有两个优点:一是由函数编写而成,不用改参数就可以直接使用。二是非常简单,加上注释最长的也不过11行。在介绍每一段代码时,Lee都给出了用途,也在代码中也给出注释。大家可以把这篇文章收藏起来,当做工具箱使用。

涵盖8大场景的数据清洗代码

这些数据清洗代码,一共涵盖8个场景,分别是:

删除多列、更改数据类型、将分类变量转换为数字变量、检查缺失数据、删除列中的字符串、删除列中的空格、用字符串连接两列(带条件)、转换时间戳(从字符串到日期时间格式)

删除多列

在进行数据分析时,并非所有的列都有用,用df.drop可以方便地删除你指定的列。

def drop_multiple_col(col_names_list, df): 

  AIM  -> Drop multiple columns based on their column names 

  INPUT -> List of column names, df

  OUTPUT -> updated df with dropped columns 
  ------

  df.drop(col_names_list, axis=1, inplace=True)
  return df

转换数据类型

当数据集变大时,需要转换数据类型来节省内存。

def change_dtypes(col_int, col_float, df): 

  AIM  -> Changing dtypes to save memory

  INPUT -> List of column names (int, float), df

  OUTPUT -> updated df with smaller memory 
  ------

  df[col_int] = df[col_int].astype( int32 )
  df[col_float] = df[col_float].astype( float32 )

将分类变量转换为数值变量

一些机器学习模型要求变量采用数值格式。这需要先将分类变量转换为数值变量。同时,你也可以保留分类变量,以便进行数据可视化。

def convert_cat2num(df):
  # Convert categorical variable to numerical variable
  num_encode = { col_1 : { YES :1, NO :0},
          col_2  : { WON :1, LOSE :0, DRAW :0}} 
  df.replace(num_encode, inplace=True)

检查缺失数据

如果你要检查每列缺失数据的数量,使用下列代码是最快的方法。可以让你更好地了解哪些列缺失的数据更多,从而确定怎么进行下一步的数据清洗和分析操作。

def check_missing_data(df):
  # check for any missing data in the df (display in descending order)
  return df.isnull().sum().sort_values(ascending=False)

删除列中的字符串

有时候,会有新的字符或者其他奇怪的符号出现在字符串列中,这可以使用df[‘col_1'].replace很简单地把它们处理掉。

def remove_col_str(df):
  # remove a portion of string in a dataframe column - col_1
  df[ col_1 ].replace(, , regex=True, inplace=True)

  # remove all the characters after &# (including &#) for column - col_1
  df[ col_1 ].replace( &#.* , , regex=True, inplace=True)

删除列中的空格

数据混乱的时候,什么情况都有可能发生。字符串开头经常会有一些空格。在删除列中字符串开头的空格时,下面的代码非常有用。

def remove_col_white_space(df):
  # remove white space at the beginning of string 
  df[col] = df[col].str.lstrip()

用字符串连接两列(带条件)

当你想要有条件地用字符串将两列连接在一起时,这段代码很有帮助。比如,你可以在第一列结尾处设定某些字母,然后用它们与第二列连接在一起。根据需要,结尾处的字母也可以在连接完成后删除。

def concat_col_str_condition(df):
  # concat 2 columns with strings if the last 3 letters of the first column are pil
  mask = df[ col_1 ].str.endswith( pil , na=False)
  col_new = df[mask][ col_1 ] + df[mask][ col_2 ]
  col_new.replace( pil ,  , regex=True, inplace=True) # replace the pil with emtpy space

转换时间戳(从字符串到日期时间格式)

在处理时间序列数据时,我们很可能会遇到字符串格式的时间戳列。这意味着要将字符串格式转换为日期时间格式(或者其他根据我们的需求指定的格式) ,以便对数据进行有意义的分析。

def convert_str_datetime(df): 

  AIM  -> Convert datetime(String) to datetime(format we want)

  INPUT -> df

  OUTPUT -> updated df with new datetime format 
  ------

  df.insert(loc=2, column= timestamp , value=pd.to_datetime(df.transdate, format= %Y-%m-%d

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python爬虫入门教程之糗百图片爬虫代码分享
Sep 02 Python
Python中关于使用模块的基础知识
May 24 Python
Python模块包中__init__.py文件功能分析
Jun 14 Python
ubuntu系统下 python链接mysql数据库的方法
Jan 09 Python
python中将字典形式的数据循环插入Excel
Jan 16 Python
浅谈Python中的作用域规则和闭包
Mar 20 Python
Python中的二维数组实例(list与numpy.array)
Apr 13 Python
Python 3 判断2个字典相同
Aug 06 Python
python通过移动端访问查看电脑界面
Jan 06 Python
python scatter函数用法实例详解
Feb 11 Python
Python的这些库,你知道多少?
Jun 09 Python
python析构函数用法及注意事项
Jun 22 Python
利用Python绘制有趣的万圣节南瓜怪效果
Oct 31 #Python
python实现大量图片重命名
Mar 23 #Python
python3图片文件批量重命名处理
Oct 31 #Python
Django1.11自带分页器paginator的使用方法
Oct 31 #Python
python实现批量文件重命名
Oct 31 #Python
Python使用matplotlib 画矩形的三种方式分析
Oct 31 #Python
python实现操作文件(文件夹)
Oct 31 #Python
You might like
php报表之jpgraph柱状图实例代码
2011/08/22 PHP
几种有用的变型 PHP中循环语句的用法介绍
2012/01/30 PHP
PHP实现合并两个排序链表的方法
2018/01/19 PHP
基于JQuery 的消息提示框效果代码
2011/07/31 Javascript
JavaScript:Div层拖动效果实例代码
2013/08/06 Javascript
jquery中map函数遍历数组用法实例
2015/05/18 Javascript
简单实现异步编程promise模式
2015/07/31 Javascript
jQuery UI设置固定日期选择特效代码分享
2015/08/27 Javascript
jQuery.Callbacks()回调函数队列用法详解
2016/06/14 Javascript
15位和18位身份证JS校验的简单实例
2016/07/18 Javascript
AngularJS 简单应用实例
2016/07/28 Javascript
原生js实现电商侧边导航效果
2017/01/19 Javascript
如何用JS/HTML将时间戳转换为“xx天前”的形式
2017/02/06 Javascript
ionic+AngularJs实现获取验证码倒计时按钮
2017/04/22 Javascript
jquery图片放大镜效果
2017/06/23 jQuery
bootstrap fileinput实现文件上传功能
2017/08/23 Javascript
es6 filter() 数组过滤方法总结
2019/04/03 Javascript
写一个Vue loading 插件
2020/11/09 Javascript
python实现apahce网站日志分析示例
2014/04/02 Python
python网络编程学习笔记(七):HTML和XHTML解析(HTMLParser、BeautifulSoup)
2014/06/09 Python
在 Django/Flask 开发服务器上使用 HTTPS
2014/07/03 Python
Python如何快速上手? 快速掌握一门新语言的方法
2017/11/14 Python
python Crypto模块的安装与使用方法
2017/12/21 Python
Python如何实现定时器功能
2020/05/28 Python
使用keras时input_shape的维度表示问题说明
2020/06/29 Python
Django3中的自定义用户模型实例详解
2020/08/23 Python
python3实现语音转文字(语音识别)和文字转语音(语音合成)
2020/10/14 Python
国际知名设计师时装商店:Coggles
2016/09/05 全球购物
Urban Outfitters德国官网:美国跨国生活方式零售公司
2018/05/21 全球购物
应聘护士自荐信
2013/10/21 职场文书
《花瓣飘香》教学反思
2014/04/15 职场文书
群众路线学习心得体会范文
2014/11/05 职场文书
社会实践活动总结
2015/02/05 职场文书
推荐六本经典文学奖书籍:此生必读
2019/08/22 职场文书
Java 多态分析
2022/04/26 Java/Android
nginx之内存池的实现
2022/06/28 Servers