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 HTMLParser模块解析html获取url实例
Apr 08 Python
Python计算三角函数之asin()方法的使用
May 15 Python
python批量添加zabbix Screens的两个脚本分享
Jan 16 Python
Python批量查询域名是否被注册过
Jun 21 Python
使用paramiko远程执行命令、下发文件的实例
Oct 01 Python
ubuntu中配置pyqt4环境教程
Dec 27 Python
python实现年会抽奖程序
Jan 22 Python
python 使用plt画图,去除图片四周的白边方法
Jul 09 Python
关于Numpy中的行向量和列向量详解
Nov 30 Python
python模拟实现分发扑克牌
Apr 22 Python
Python实现简单猜数字游戏
Feb 03 Python
python基于turtle绘制几何图形
Jun 15 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
模仿OSO的论坛(二)
2006/10/09 PHP
php cli 小技巧
2013/06/03 PHP
php object转数组示例
2014/01/15 PHP
PC端微信扫码支付成功之后自动跳转php版代码
2017/07/07 PHP
Jquery+JSon 无刷新分页实现代码
2010/04/01 Javascript
让innerText在firefox火狐和IE浏览器都能用的写法
2011/05/14 Javascript
用javascript模仿ie的自动完成类似自动完成功的表单
2012/12/12 Javascript
js 控制下拉菜单刷新的方法
2013/03/03 Javascript
引入JS文件IE6报语法错误或缺少对象问题的解决方法
2014/01/09 Javascript
关闭页面时window.location事件未执行的原因分析及解决方案
2014/09/01 Javascript
JS获取表格内指定单元格html内容的方法
2015/03/31 Javascript
jQuery往textarea中光标所在位置插入文本的方法
2015/06/26 Javascript
js表单提交和submit提交的区别实例分析
2015/12/10 Javascript
jQuery+CSS3实现仿花瓣网固定顶部位置带悬浮效果的导航菜单
2016/09/21 Javascript
基于vue2.0+vuex+localStorage开发的本地记事本示例
2017/02/28 Javascript
jQuery插件FusionCharts绘制的2D帕累托图效果示例【附demo源码】
2017/03/28 jQuery
详解使用create-react-app快速构建React开发环境
2018/05/16 Javascript
微信小程序点击图片实现长按预览、保存、识别带参数二维码、转发等功能
2019/07/20 Javascript
Layui 带多选框表格监听事件以及按钮自动点击写法实例
2019/09/02 Javascript
python虚拟环境 virtualenv的简单使用
2020/01/21 Javascript
js数组相减简单示例【删除a数组所有与b数组相同元素】
2020/03/04 Javascript
JQuery省市联动效果实现过程详解
2020/05/08 jQuery
Chrome插件开发系列一:弹窗终结者开发实战
2020/10/02 Javascript
[02:28]DOTA2 2015国际邀请赛中国区预选赛首日现场百态
2015/05/26 DOTA
python将文本中的空格替换为换行的方法
2018/03/19 Python
Python实现定制自动化业务流量报表周报功能【XlsxWriter模块】
2019/03/11 Python
Python CategoricalDtype自定义排序实现原理解析
2020/09/11 Python
使用豆瓣源来安装python中的第三方库方法
2021/01/26 Python
Urban Outfitters英国官网:美国平价服饰品牌
2016/11/25 全球购物
美国婚戒购物网站:Anjays Designs
2017/06/28 全球购物
Pat McGrath Labs官网:世界上最有影响力的化妆师推出的彩妆品牌
2018/01/07 全球购物
工伤赔偿协议书
2014/04/15 职场文书
先进单位申报材料
2014/12/25 职场文书
党员干部廉政承诺书
2015/04/28 职场文书
解析CSS 提取图片主题色功能(小技巧)
2021/05/12 HTML / CSS
python manim实现排序算法动画示例
2022/08/14 Python