本系列课程适用人群：
- python零基础数据分析的朋友；
- 在校学生；
- 职场中经常要处理各种数据表格，或大量数据（十万级以上）的朋友；
- 喜欢图表可视化的朋友；
系列视频目前可在B站观看，会定期更新，欢迎大家吐槽！
本节要点：3个基本数据清洗操作
视频地址：python中删除行列、更改列名、填充缺失值
本节代码：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52import pandas as pd data1 = pd.read_csv('D:/python/课件/data/dzdp_data.csv') # ============================================================================= # 删除行列 # ============================================================================= # 删除列 data2 = data1.drop('cus_comment',axis=1) # inplace ['',''] # 删除行 data1.drop(4,axis=0,inplace=True) # axis=0 按行处理 # ============================================================================= # # 更改列名 # ============================================================================= # 1 全部更改：长度需要与表格的列名个数一致 data1.columns = ['客户id', '评价时间', '星级', '内容', '口味', '环境', '服务', '商店id', '评分', '年', '月', '周', '小时', '内容长度'] # 2 个别替换，columns= 不能少，还有另一个参数修改索引 index={} data1.rename(columns={'客户id':'客户ID','商店id':'商店ID'},inplace=True) # ============================================================================= # # 更改列的格式 # ============================================================================= data1.info() # 改成字符串 data1['商店ID'] = data1['商店ID'].astype('str') # 改为整数用int # 改为日期格式 data1['评价时间'] = pd.to_datetime(data1['评价时间']) # 保留2位小数 data1['内容长度/100'] = data1['内容长度'] / 100 data1['内容长度/100'] = data1['内容长度/100'].round(2) # map是python一个高级函数，对所有元素进行指定的函数变化； # lambda匿名函数，简化了的函数写法 data1['内容长度/100'] = data1['内容长度/100'].map(lambda x:"%.2f" %x) # ============================================================================= # # 填充缺失值 # ============================================================================= # 读取数据 data2 = pd.read_excel('D:/python/课件/data/泰坦尼克数据.xlsx') # 缺失值情况 data2.isna().sum() # 按均值填充 data2['年龄'].fillna(data2['年龄'].mean(),inplace=True) # 填充为其他值 data2['仓位'].fillna('无',inplace=True) # ============================================================================= # # 删除缺失值 # ============================================================================= data2.dropna(subset=["登船港口"],inplace=True) # 此处必须用中括号
最后
以上就是结实小熊猫最近收集整理的关于pandas数据读取与清洗视频11-删除行列、更改列名、填充缺失值的全部内容，更多相关pandas数据读取与清洗视频11-删除行列、更改列名、填充缺失值内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复