Pandas 基础(6) - 用 replace() 函数处理不合理数据
程序员文章站
2022-05-04 14:14:28
首先, 还是新建一个 jupyter notebook, 然后引入 csv 文件(此文件我已上传到博客园): 输出:从上面的输出截图, 可以看到有很多不合理的数据, 这时可以用 replace() 函数来处理: 输出:这时, 就还剩下 event 列里的 0 还没有改, 因为没办法简单粗暴地把数字 ......
首先, 还是新建一个 jupyter notebook, 然后引入 csv 文件(此文件我已上传到博客园):
import pandas as pd import numpy as np df = pd.read_csv('/users/rachel/sites/pandas/py/pandas/6_handling_missing_data_replace/weather_data.csv') df
输出:
从上面的输出截图, 可以看到有很多不合理的数据, 这时可以用 replace() 函数来处理:
new_df = df.replace([-99999, -88888], np.nan)
输出:
这时, 就还剩下 event 列里的 0 还没有改, 因为没办法简单粗暴地把数字 0 放到 replace 函数的数组里, 这样会影响其他列的值. 这个解决办法相信大家也都不会陌生了, 就是利用 python 的 dictionary:
new_df = df.replace({ 'temperature' : -99999, 'windspeed':[-99999, -88888], 'event': '0' }, np.nan)
下面我们再来改下原 csv 文件, 把其中各别数据加上"单位":
如果我们想把多余的字母单位去掉, 可以用正则:
new_df = df.replace('[a-za-z]','', regex=true)
这样替换之后, 大家可以看一眼输出结果, 发现 event 列的内容都没有了, 因为字母都被替换掉了. 所以还是要这样做:
new_df = df.replace({ 'temperature': '[a-za-z]', 'windspeed': '[a-za-z]' } ,'', regex=true)
下面再介绍另一个特性
首先
df = pd.dataframe({ 'score': ['exceptional', 'average', 'good', 'poor', 'average', 'exceptional'], 'student': ['rob', 'maya', 'jorge', 'tom', 'july', 'erica'] })
输出:
大家可以看到目前 score 列是用4个形容词来体现成绩的, 那如果想把它们按照等级换成 1-4分呢?
new_df = df.replace(['poor', 'average', 'good', 'exceptional'], [1, 2, 3, 4])
输出:
以上, 就是 replace() 函数的相关内容, enjoy~~~