异常值处理 - iterrows()对 DataFrame 进行遍历，并修改遍历中的异常值 - Python代码

先要有一个很简单的被命名为 data 的表：

 第三列是一个名曰周杰伦的人历年来每个月的月薪，其中2016年月薪10万，纵观他历年来的月薪基本不超过3万（显然他不是我的偶像胖伦），因此对于这个人来说月薪10万是有些异常的。

有些人可能会说，这不简单？直接：【 data[monthly_pay] [data[monthly_pay] >= 10] = null 】就好了啊，可是你忘记了，周杰伦挣不了10万，可是库克完全没压力啊。你这么一句python运行下去，表里关于库克的月薪数据都要被删掉了。

那么，怎么识别到这个10万的数据，进而修改它呢？

我们采用每年和去年的月薪相比的方式，即：若今年的月薪超过去年的 2 倍，且去年的月薪在 5 万以下的，我们将修改今年的月薪为去年月薪的 2 倍值。

首先需要用 iterrows() 遍历这个表，找出异常值，然后修改就好了，下面是 python 代码：

# -*- coding:utf-8 -*-
import pandas as pd
import numpy as np
from pandas import DataFrame,Series

datafile = u'D:\\pythondata\\learn\\iterrows.xlsx'
data = pd.read_excel(datafile)
data = DataFrame(data)

#首先将每一年对应的去年的月薪生成一列新的数据，匹配到最后一列
data_q1 = data[['name', 'year', 'monthly_pay']].copy()
data_q1['year'] = data['year']+1
data_q1.rename(columns={'monthly_pay':'monthly_pay_q1'}, inplace = True)
data = pd.merge(data, data_q1, how='left', left_on=['name','year'], right_on=['name','year'])

for index,row in data.iterrows():
    if ((row['monthly_pay']) >= (2 * (row['monthly_pay_q1']))) & (row['monthly_pay_q1']<= 5):
        data.at[index, 'monthly_pay'] = (2 * (data.at[index,'monthly_pay_q1'])).astype(int)
data = data[['name', 'year', 'monthly_pay']]

更改后的data表：

iterrows()返回值为元组(index,row) ，for循环定义了两个变量，index, row，那么返回的元组(index,row)，index=index，row=row。如果for循环中只定义一个变量 row ，则 row 就是整个元组。论方便的话还是定义两个变量吧。

很简单的功能对吧，代码也很简单，大神们就用不着了，新手们可以了解一下。

iterrows()的官网地址：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.iterrows.htm

---