#18年泰迪杯数据挖掘比赛C题分析

字符串清洗

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

查看文件格式

插入图片：Ctrl/Command + Shift + G

引包

import csv
import pandas as pd
import numpy as np
import datetime as dt

引入文件

df=pd.read_csv(“C:/Users/Administrator/Desktop/WatchData.csv”)

清除日期数据、括号中的数据

注意：不能同时处理，需要分步执行。
`import re
for i in range(0,len(df)):
#去除括号中的数据
df[‘影片名称1’][i]= re.sub(’([)]’, “”, df[‘影片名称’][i]) #去除括号中的数据

for i in range(0,len(df)):
#去除括号中的数据
df[‘影片名称2’][i]= re.sub(’\d\d(.*?)\d\d\w’, “”, df[‘影片名称1’][i]) #去除日期数据
`import re

将处理后的文件重新存储成一个csv文件

file_path=‘C:/Users/Administrator/Desktop’
df.to_csv(file_path+’/’+‘WatchData_1.csv’,index=False)

对数据进行匹配

#将两个表的数据进行匹配连接
all_data = pd.merge(w,t,left_on=w[‘影片名称2’],right_on=t[‘正题名2’])

#查看输出数据
all_data[[‘影片名称2’,‘正题名2’,‘分类名称’]]