最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

8段用于數(shù)據(jù)清洗Python代碼(小結(jié))

 更新時(shí)間:2019年10月31日 14:19:58   作者:CDA數(shù)據(jù)分析師  
這篇文章主要介紹了8段用于數(shù)據(jù)清洗Python代碼(小結(jié)),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

最近,大數(shù)據(jù)工程師Kin Lim Lee在Medium上發(fā)表了一篇文章,介紹了8個(gè)用于數(shù)據(jù)清洗的Python代碼。

數(shù)據(jù)清洗,是進(jìn)行數(shù)據(jù)分析和使用數(shù)據(jù)訓(xùn)練模型的必經(jīng)之路,也是最耗費(fèi)數(shù)據(jù)科學(xué)家/程序員精力的地方。

這些用于數(shù)據(jù)清洗的代碼有兩個(gè)優(yōu)點(diǎn):一是由函數(shù)編寫而成,不用改參數(shù)就可以直接使用。二是非常簡(jiǎn)單,加上注釋最長(zhǎng)的也不過11行。在介紹每一段代碼時(shí),Lee都給出了用途,也在代碼中也給出注釋。大家可以把這篇文章收藏起來,當(dāng)做工具箱使用。

涵蓋8大場(chǎng)景的數(shù)據(jù)清洗代碼

這些數(shù)據(jù)清洗代碼,一共涵蓋8個(gè)場(chǎng)景,分別是:

刪除多列、更改數(shù)據(jù)類型、將分類變量轉(zhuǎn)換為數(shù)字變量、檢查缺失數(shù)據(jù)、刪除列中的字符串、刪除列中的空格、用字符串連接兩列(帶條件)、轉(zhuǎn)換時(shí)間戳(從字符串到日期時(shí)間格式)

刪除多列

在進(jìn)行數(shù)據(jù)分析時(shí),并非所有的列都有用,用df.drop可以方便地刪除你指定的列。

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

轉(zhuǎn)換數(shù)據(jù)類型

當(dāng)數(shù)據(jù)集變大時(shí),需要轉(zhuǎn)換數(shù)據(jù)類型來節(jié)省內(nèi)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 )

將分類變量轉(zhuǎn)換為數(shù)值變量

一些機(jī)器學(xué)習(xí)模型要求變量采用數(shù)值格式。這需要先將分類變量轉(zhuǎn)換為數(shù)值變量。同時(shí),你也可以保留分類變量,以便進(jìn)行數(shù)據(jù)可視化。

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) 

檢查缺失數(shù)據(jù)

如果你要檢查每列缺失數(shù)據(jù)的數(shù)量,使用下列代碼是最快的方法??梢宰屇愀玫亓私饽男┝腥笔У臄?shù)據(jù)更多,從而確定怎么進(jìn)行下一步的數(shù)據(jù)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)

刪除列中的字符串

有時(shí)候,會(huì)有新的字符或者其他奇怪的符號(hào)出現(xiàn)在字符串列中,這可以使用df[‘col_1'].replace很簡(jiǎn)單地把它們處理掉。

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)

刪除列中的空格

數(shù)據(jù)混亂的時(shí)候,什么情況都有可能發(fā)生。字符串開頭經(jīng)常會(huì)有一些空格。在刪除列中字符串開頭的空格時(shí),下面的代碼非常有用。

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

用字符串連接兩列(帶條件)

當(dāng)你想要有條件地用字符串將兩列連接在一起時(shí),這段代碼很有幫助。比如,你可以在第一列結(jié)尾處設(shè)定某些字母,然后用它們與第二列連接在一起。根據(jù)需要,結(jié)尾處的字母也可以在連接完成后刪除。

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

轉(zhuǎn)換時(shí)間戳(從字符串到日期時(shí)間格式)

在處理時(shí)間序列數(shù)據(jù)時(shí),我們很可能會(huì)遇到字符串格式的時(shí)間戳列。這意味著要將字符串格式轉(zhuǎn)換為日期時(shí)間格式(或者其他根據(jù)我們的需求指定的格式) ,以便對(duì)數(shù)據(jù)進(jìn)行有意義的分析。

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?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • 使用Python進(jìn)行數(shù)獨(dú)求解詳解(二)

    使用Python進(jìn)行數(shù)獨(dú)求解詳解(二)

    對(duì)于利用Python求解數(shù)獨(dú),我們可以采用回溯算法實(shí)現(xiàn)一個(gè)簡(jiǎn)單的版本。本文將此基礎(chǔ)上,通過改進(jìn)來提升數(shù)獨(dú)問題求解算法的性能。需要的可以參考一下
    2022-02-02
  • Python全棧之學(xué)習(xí)JQuery

    Python全棧之學(xué)習(xí)JQuery

    這篇文章主要為大家介紹了Python全棧之JQuery,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助
    2022-01-01
  • python實(shí)現(xiàn)簡(jiǎn)單日期工具類

    python實(shí)現(xiàn)簡(jiǎn)單日期工具類

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡(jiǎn)單日期工具類,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-04-04
  • python讀取txt文件中特定位置字符的方法

    python讀取txt文件中特定位置字符的方法

    今天小編就為大家分享一篇python讀取txt文件中特定位置字符的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • python中elasticsearch_dsl模塊的使用方法

    python中elasticsearch_dsl模塊的使用方法

    這篇文章主要介紹了python中elasticsearch_dsl模塊的使用方法,elasticsearch-dsl是基于elasticsearch-py封裝實(shí)現(xiàn)的,提供了更簡(jiǎn)便的操作elasticsearch的方法
    2022-09-09
  • ubuntu 18.04 安裝opencv3.4.5的教程(圖解)

    ubuntu 18.04 安裝opencv3.4.5的教程(圖解)

    這篇文章主要介紹了ubuntu 18.04 安裝opencv3.4.5的教程,本文圖文并茂給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2019-11-11
  • Python tkinter布局與按鈕間距設(shè)置方式

    Python tkinter布局與按鈕間距設(shè)置方式

    這篇文章主要介紹了Python tkinter布局與按鈕間距設(shè)置方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-03-03
  • Python中應(yīng)用Winsorize縮尾處理的操作經(jīng)驗(yàn)

    Python中應(yīng)用Winsorize縮尾處理的操作經(jīng)驗(yàn)

    縮尾處理相當(dāng)于對(duì)數(shù)據(jù)進(jìn)行掐頭(尾)去尾,然后再按照一定的方法填補(bǔ)被掐掉的數(shù)據(jù),下面這篇文章主要給給大家介紹了關(guān)于Python中應(yīng)用Winsorize縮尾處理的相關(guān)資料,需要的朋友可以參考下
    2022-07-07
  • Flask實(shí)現(xiàn)的接口響應(yīng)中存在中文時(shí)接口返回為unicode亂碼的解決方法

    Flask實(shí)現(xiàn)的接口響應(yīng)中存在中文時(shí)接口返回為unicode亂碼的解決方法

    本文給大家分享了新版Flask實(shí)現(xiàn)的接口響應(yīng)中存在中文時(shí)接口返回為unicode亂碼的解決方法,文中通過代碼示例和圖文介紹的非常詳細(xì),如果有遇到相同問題的朋友,可以參考閱讀本文
    2023-11-11
  • python3.7.0的安裝步驟

    python3.7.0的安裝步驟

    本文分步驟給大家介紹了python3.7.0的安裝步驟,本文圖文并茂給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2018-08-08

最新評(píng)論

台山市| 吴忠市| 和林格尔县| 榆社县| 元谋县| 中超| 安图县| 平阴县| 阳山县| 高陵县| 阿坝县| 噶尔县| 石屏县| 治县。| 嘉荫县| 页游| 宝坻区| 北票市| 安泽县| 尼勒克县| 大埔区| 册亨县| 诸暨市| 达拉特旗| 五原县| 古丈县| 曲阳县| 威远县| 上饶县| 武清区| 滨州市| 临漳县| 广宁县| 呼和浩特市| 云南省| 连南| 崇仁县| 长顺县| 霍州市| 西林县| 红桥区|