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

python3常用的數(shù)據(jù)清洗方法(小結(jié))

 更新時(shí)間:2019年10月31日 14:48:44   作者:竹子萊西  
這篇文章主要介紹了python3常用的數(shù)據(jù)清洗方法(小結(jié)),文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧

首先載入各種包:

import pandas as pd
import numpy as np
from collections import Counter
from sklearn import preprocessing
from matplotlib import pyplot as plt
%matplotlib inline
import seaborn as sns 
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文字體設(shè)置-黑體
plt.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負(fù)號(hào)'-'顯示為方塊的問(wèn)題
sns.set(font='SimHei') # 解決Seaborn中文顯示問(wèn)題

讀入數(shù)據(jù):這里數(shù)據(jù)是編造的

data=pd.read_excel('dummy.xlsx')

本案例的真實(shí)數(shù)據(jù)是這樣的:

這里寫圖片描述 

對(duì)數(shù)據(jù)進(jìn)行多方位的查看:

實(shí)際情況中可能會(huì)有很多行,一般用head()看數(shù)據(jù)基本情況

data.head() #查看長(zhǎng)啥樣
data.shape #查看數(shù)據(jù)的行列大小
data.describe()

這里寫圖片描述

這里寫圖片描述

#列級(jí)別的判斷,但凡某一列有null值或空的,則為真
data.isnull().any()

#將列中為空或者null的個(gè)數(shù)統(tǒng)計(jì)出來(lái),并將缺失值最多的排前
total = data.isnull().sum().sort_values(ascending=False)
print(total)


#輸出百分比:
percent =(data.isnull().sum()/data.isnull().count()).sort_values(ascending=False)
missing_data = pd.concat([total, percent], axis=1, keys=['Total', 'Percent'])
missing_data.head(20)

這里寫圖片描述

也可以從視覺(jué)上直觀查看缺失值:

import missingno
missingno.matrix(data)
data=data.dropna(thresh=data.shape[0]*0.5,axis=1) #至少有一半以上是非空的列篩選出來(lái)
#如果某一行全部都是na才刪除:
data.dropna(axis=0,how='all') 

這里寫圖片描述

#默認(rèn)情況下是只保留沒(méi)有空值的行
data=data.dropna(axis=0) 

這里寫圖片描述

#統(tǒng)計(jì)重復(fù)記錄數(shù)
data.duplicated().sum()
data.drop_duplicates()

對(duì)連續(xù)型數(shù)據(jù)和離散型數(shù)據(jù)分開處理:

data.columns
#第一步,將整個(gè)data的連續(xù)型字段和離散型字段進(jìn)行歸類
id_col=['姓名']
cat_col=['學(xué)歷','學(xué)校'] #這里是離散型無(wú)序,如果有序,請(qǐng)參考map用法,一些博客上有寫
cont_col=['成績(jī)','能力'] #這里是數(shù)值型
print (data[cat_col]) #這里是離散型的數(shù)據(jù)部分
print (data[cont_col])#這里是連續(xù)性數(shù)據(jù)部分

對(duì)于離散型部分:

#計(jì)算出現(xiàn)的頻次
for i in cat_col:
  print (pd.Series(data[i]).value_counts())
  plt.plot(data[i])

這里寫圖片描述

#對(duì)于離散型數(shù)據(jù),對(duì)其獲取啞變量
dummies=pd.get_dummies(data[cat_col])
dummies

這里寫圖片描述 

對(duì)于連續(xù)型部分:

#對(duì)于連續(xù)型數(shù)據(jù)的大概統(tǒng)計(jì):
data[cont_col].describe()

#對(duì)于連續(xù)型數(shù)據(jù),看偏度,一般大于0.75的數(shù)值做一個(gè)log轉(zhuǎn)化,使之盡量符合正態(tài)分布,因?yàn)楹芏嗄P偷募僭O(shè)數(shù)據(jù)是服從正態(tài)分布的
skewed_feats = data[cont_col].apply(lambda x: (x.dropna()).skew() )#compute skewness
skewed_feats = skewed_feats[skewed_feats > 0.75]
skewed_feats = skewed_feats.index
data[skewed_feats] = np.log1p(data[skewed_feats])
skewed_feats
#對(duì)于連續(xù)型數(shù)據(jù),對(duì)其進(jìn)行標(biāo)準(zhǔn)化
scaled=preprocessing.scale(data[cont_col])
scaled=pd.DataFrame(scaled,columns=cont_col)
scaled

這里寫圖片描述

m=dummies.join(scaled)
data_cleaned=data[id_col].join(m)
data_cleaned

這里寫圖片描述 

看變量之間的相關(guān)性:

data_cleaned.corr()

這里寫圖片描述

#以下是相關(guān)性的熱力圖,方便肉眼看
def corr_heat(df):
  dfData = abs(df.corr())
  plt.subplots(figsize=(9, 9)) # 設(shè)置畫面大小
  sns.heatmap(dfData, annot=True, vmax=1, square=True, cmap="Blues")
  # plt.savefig('./BluesStateRelation.png')
  plt.show()
corr_heat(data_cleaned)

這里寫圖片描述

如果有覺(jué)得相關(guān)性偏高的視情況刪減某些變量。

#取出與某個(gè)變量(這里指能力)相關(guān)性最大的前四個(gè),做出熱點(diǎn)圖表示
k = 4 #number of variables for heatmap
cols = corrmat.nlargest(k, '能力')['能力'].index
cm = np.corrcoef(data_cleaned[cols].values.T)
sns.set(font_scale=1.25)
hm = sns.heatmap(cm, cbar=True, annot=True, square=True, fmt='.2f',   annot_kws={'size': 10}, yticklabels=cols.values,  xticklabels=cols.values)
plt.show()

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

  • Python之Matplotlib文字與注釋的使用方法

    Python之Matplotlib文字與注釋的使用方法

    這篇文章主要介紹了Python之Matplotlib文字與注釋的使用方法,文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-06-06
  • python  Django中的apps.py的目的是什么

    python Django中的apps.py的目的是什么

    這篇文章主要介紹了python Django中的apps.py的目的是什么,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),需要的朋友可以參考下
    2018-10-10
  • Python中類變量和實(shí)例變量的區(qū)別

    Python中類變量和實(shí)例變量的區(qū)別

    這篇文章主要介紹了Python中類變量和實(shí)例變量的區(qū)別,文章針對(duì)Python類變量和實(shí)例變量的問(wèn)題,給出了具體說(shuō)明和演示,需要的小伙伴可以參考一下
    2022-02-02
  • Python中shutil模塊的學(xué)習(xí)筆記教程

    Python中shutil模塊的學(xué)習(xí)筆記教程

    shutil模塊是一種高層次的文件操作工具,類似于高級(jí)API,主要強(qiáng)大之處在于其對(duì)文件的復(fù)制與刪除操作更是比較支持好。下面這篇文章主要介紹了Python中shutil模塊的相關(guān)教程,需要的朋友可以參考學(xué)習(xí),下面來(lái)一起看看吧。
    2017-04-04
  • 淺談Python_Openpyxl使用(最全總結(jié))

    淺談Python_Openpyxl使用(最全總結(jié))

    這篇文章主要介紹了淺談Python_Openpyxl使用(最全總結(jié)),文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-09-09
  • python使用psutil模塊獲取系統(tǒng)狀態(tài)

    python使用psutil模塊獲取系統(tǒng)狀態(tài)

    作為程序猿,大家可能都熟悉linux系統(tǒng)的基礎(chǔ)信息獲取方法都是通過(guò)shell來(lái)獲取,但是在python中,我們還可以使用psutil模塊來(lái)獲取系統(tǒng)信息。psutil模塊把shell查看系統(tǒng)基礎(chǔ)信息的功能都包裝了下,使用更加簡(jiǎn)單,功能豐富。
    2016-08-08
  • Python requests.post方法中data與json參數(shù)區(qū)別詳解

    Python requests.post方法中data與json參數(shù)區(qū)別詳解

    這篇文章主要介紹了Python requests.post方法中data與json參數(shù)區(qū)別詳解,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(guò)來(lái)看看吧
    2020-04-04
  • python爬蟲用request庫(kù)處理cookie的實(shí)例講解

    python爬蟲用request庫(kù)處理cookie的實(shí)例講解

    在本篇內(nèi)容里小編給大家整理的是一篇關(guān)于python爬蟲用request庫(kù)處理cookie的實(shí)例講解內(nèi)容,有需要的朋友們可以學(xué)習(xí)參考下。
    2021-02-02
  • Python實(shí)現(xiàn)解析ini配置文件的示例詳解

    Python實(shí)現(xiàn)解析ini配置文件的示例詳解

    在開發(fā)過(guò)程中,配置文件是少不了的,而且配置文件是有專門的格式的,比如:ini,?yaml,?toml?等等。而對(duì)于?Python?而言,也都有相應(yīng)的庫(kù)來(lái)解析相應(yīng)格式的文件,下面我們來(lái)看看?ini?文件要如何解析
    2022-09-09
  • Python3實(shí)現(xiàn)二叉樹的最大深度

    Python3實(shí)現(xiàn)二叉樹的最大深度

    這篇文章主要介紹了Python3實(shí)現(xiàn)二叉樹的最大深度, 文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-09-09

最新評(píng)論

黑山县| 黄大仙区| 油尖旺区| 海盐县| 壶关县| 墨江| 报价| 镇坪县| 长子县| 罗山县| 布拖县| 南木林县| 乡宁县| 徐州市| 汕头市| 青神县| 成都市| 龙里县| 广南县| 金川县| 新津县| 临江市| 林甸县| 五大连池市| 额尔古纳市| 雷州市| 呼和浩特市| 清流县| 柳林县| 城口县| 孟州市| 普兰店市| 双柏县| 松溪县| 平凉市| 象州县| 邛崃市| 西藏| 丹巴县| 藁城市| 文昌市|