本文小編為大家詳細(xì)介紹“Python怎么實現(xiàn)數(shù)據(jù)清洗”，內(nèi)容詳細(xì)，步驟清晰，細(xì)節(jié)處理妥當(dāng)，希望這篇“Python怎么實現(xiàn)數(shù)據(jù)清洗”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識吧。

創(chuàng)新互聯(lián)建站致力于網(wǎng)站建設(shè),網(wǎng)站制作設(shè)計,營銷網(wǎng)頁按需網(wǎng)站制作,外貿(mào)網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),小程序開發(fā),網(wǎng)站SEO優(yōu)化,網(wǎng)站設(shè)計制作案例豐富,是成都做網(wǎng)站公司和建站公司,歡迎咨詢。

這里數(shù)據(jù)清洗需要用到的庫是pandas庫，下載方式還是在終端運行 ： pip install pandas.

首先我們需要對數(shù)據(jù)進(jìn)行讀取

import pandas as pd
 
data = pd.read_csv(r'E:\PYthon\用戶價值分析 RFM模型\data.csv')
pd.set_option('display.max_columns', 888)  # 大于總列數(shù)
pd.set_option('display.width', 1000)
print(data.head())
print(data.info())

第3行是對數(shù)據(jù)進(jìn)行讀取，pandas庫里面有讀取函數(shù)調(diào)用即可，csv格式是讀取寫入速度最快的。

第4，5行是為了讀取的實話顯示全部的列，是因為很多列的話pycharm會把中間一些列隱藏掉，所以我們這為了他不隱藏就加這兩行代碼。

第6行是顯示表頭，我們可以看到有什么字段，列名

第7行是顯示表的基本信息，每一列有多少數(shù)據(jù)，字段是什么類型的數(shù)據(jù)。非空的數(shù)據(jù)有多少，所以我們第一步就可以看得到基本那一列有空值了。

空值處理

data.info()后我們可以看到大部分?jǐn)?shù)據(jù)都有541909行，所以我們大致猜到是Description ，CustomerID 列漏結(jié)果了

# 空值處理
print(data.isnull().sum())  # 空值中和，查看每一列的空值
 
# 空值刪除
data.drop(columns=['Description'], inplace=True)
print(data.info())
data.isnull()判斷是否為空。data.isnumll().sum()計算空值數(shù)量。

第5行進(jìn)行空值刪除，這里先刪除Description列的空值，inplace=True意思是對數(shù)據(jù)進(jìn)行修改，如果沒有inplace=True，則不對data進(jìn)行修改，打印數(shù)據(jù)還是和之前一樣，或者重新定義一個變量進(jìn)行賦值。

由于這一列空值數(shù)據(jù)比較少，這一列數(shù)據(jù)對我們數(shù)據(jù)分析沒有那么重要，所以我們選擇刪除這一整列。

我們這個表是對客戶進(jìn)行篩選的，所以以CustomerID為準(zhǔn)，強(qiáng)制刪除其他列

# CustomerID有空值
# 刪除所有列的空值
data.dropna(inplace=True)
# print(data.info())
print(data.isnull().sum())  # 由于CustomerID為必須字段，所以強(qiáng)制刪除其他列，以CustomerID為準(zhǔn)

這里我們先對其他字段進(jìn)行類型轉(zhuǎn)換

類型轉(zhuǎn)換

# 轉(zhuǎn)換為日期類型
data['InvoiceDate'] = pd.to_datetime(data['InvoiceDate'])
 
# CustomerID 轉(zhuǎn)換為整型
data['CustomerID'] = data['CustomerID'].astype('int')
print(data.info())

以上我們處理了空值，接下來我們處理異常值。

異常值處理

查看表的基本數(shù)據(jù)分布可以使用describe

print(data.describe())

可以看到數(shù)據(jù)Quantity 列中最小值為-80995.這列明顯有異常值，所以需要對這一列進(jìn)行異常值篩選。

只需要大于0的值。

data = data[data['Quantity'] > 0]
print(data)

打印一下就只有397924行了。

重復(fù)值處理

# 查看重復(fù)值
print(data[data.duplicated()])

有5194行重復(fù)值，這里的重復(fù)值是完全重復(fù)的，所以是沒用的數(shù)據(jù)我們可以進(jìn)行刪除。

刪除重復(fù)值

# 刪除重復(fù)值
data.drop_duplicates(inplace=True)
 
print(data.info())

刪除后對原來的表進(jìn)行保存，再去查看一下表的基本信息

現(xiàn)在還剩下392730條數(shù)據(jù)。數(shù)據(jù)到這一步就完成了數(shù)據(jù)清洗。

讀到這里，這篇“Python怎么實現(xiàn)數(shù)據(jù)清洗”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領(lǐng)會，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

新聞名稱：Python怎么實現(xiàn)數(shù)據(jù)清洗
鏈接地址：http://aaarwkj.com/article48/godihp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊、品牌網(wǎng)站制作、企業(yè)建站、App設(shè)計、網(wǎng)站收錄、面包屑導(dǎo)航

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)