基础的数据清洗操作——jupyter

基于jupyter的基础数据清洗操作,内容涵盖重复值查找与删除、数值替换、过滤缺失值、填充缺失值

import pandas as pd
import numpy as np
data = pd.DataFrame({'k1':['one']*3 + ['two']*2, 'k2':[1,1,2,3,3]})
data

在这里插入图片描述

重复值查找与删除

data.duplicated()#请注意哪个值被认为是重复的   第一次出现被认为不是重复,第二次出现才认为是重复的(默认根据行判断)

在这里插入图片描述

data[~data.duplicated()]#请注意哪个值被认为是重复的

在这里插入图片描述

data.drop_duplicates()

在这里插入图片描述

data.drop_duplicates('k1')#根据K1的值进行处理 删掉K1里重复的值(默认行)

在这里插入图片描述

data['k3'] = 1
data

基础的数据清洗操作——jupyter_第1张图片

data.drop_duplicates(['k2','k3'])#根据K2和K3两列删掉重复的值

基础的数据清洗操作——jupyter_第2张图片

数值替换

data.replace(2,np.nan)#元素2用nan代替

基础的数据清洗操作——jupyter_第3张图片

data.replace([2,3],np.nan)#元素2和元素3用nan代替

基础的数据清洗操作——jupyter_第4张图片

data.replace({2:np.nan,3:100})#2用nan代替,元素3用100代替

基础的数据清洗操作——jupyter_第5张图片

过滤缺失值

data = pd.Series([2, np.nan, 4, np.nan,8.5])
data

基础的数据清洗操作——jupyter_第6张图片

#缺失值的判断
data.isnull()

在这里插入图片描述

data.notnull()

在这里插入图片描述

data.dropna()

在这里插入图片描述

data[data.notnull()]

在这里插入图片描述

data = pd.DataFrame(np.random.randn(4,3),index = list('abcd'),columns=['aa','bb','cc'])
data.iloc[1:,:2] = np.nan #1行之后的所有行,2列之前所有列(2不包括,:前包括后不包括)
data.iloc[1,2] = np.nan#1行2列的值用nan代替
data

基础的数据清洗操作——jupyter_第7张图片

cleaned = data.dropna()#将只要有nan的行全部删除
cleaned

在这里插入图片描述

cleaned = data.dropna(how = 'all')#将某行全部为nan的行,才删除
cleaned

基础的数据清洗操作——jupyter_第8张图片

data.iloc[0,0] = np.nan
data

基础的数据清洗操作——jupyter_第9张图片

data.dropna(how='all',axis =1)#删除全为nan的列(axis =1)

基础的数据清洗操作——jupyter_第10张图片

填充缺失值

data:
基础的数据清洗操作——jupyter_第11张图片

data.fillna(0)

基础的数据清洗操作——jupyter_第12张图片

data.fillna({'aa': 0, 'bb': 100})#将aa中的nan用0代替,bb中的nan用100

基础的数据清洗操作——jupyter_第13张图片

data = pd.Series([2, np.nan, 4, np.nan,8.5])
data.fillna(data.mean())      #取data的平均值填充空值

基础的数据清洗操作——jupyter_第14张图片

你可能感兴趣的:(jupyter,jupyter,数据挖掘,数据分析)