您现在的位置是:课程教程文章
python如何做数据清洗?
2023-12-18 18:32课程教程文章 人已围观
-
Python3.x全新大型项目从入门到实战第4季
Python3.x全新大型项目从入门到实战第4季课程购买咨询和资料获取请加老师QQ 2020363447 为了让从业者快速掌握Python开发技... -
Excel数据分析应用实战
Excel数据分析应用实战... -
SQL Server数据库搭建主从同步实现读写分离
SQL Server数据库搭建主从同步实现读写分离《基于SQL Server数据库搭建主从同步实现读写分离实战演练》 一、课程介绍 读写... -
Excel2013教程零基础学习函数公式数据透视
Excel2013教程零基础学习函数公式数据透视您还在苦恼工作中的表格数据不知如何处理吗? 您还在用最笨的方法来处理数...
1.数据清洗的代码:
import pandas as pd import numpy as np # 创建空的df,保存测试数据 test_df = pd.DataFrame({'K1':['C1','C1','C2','C3','C4','C2','C1'],'K2':['A','A','B','C','D',np.NaN,np.NaN]}) # 按K1列进行分组,组内进行unique操作(去除重复元素,返回元组或列表) test_df_unique = pd.DataFrame(test_df.groupby(['K1'])['K2'].agg('unique')) # 自定义函数判断元组中是否含有nan def has_nan(list): flag = False for x in list: if x is np.NaN: flag = True break return flag # 自定义函数判断元组中是否不含有nan def no_nan(list): flag = True for x in list: if x is np.NaN: flag = False break return flag # 获取k2列含有nan的数据 test_df_unique_has_nan = test_df_unique[test_df_unique['K2'].apply(has_nan)] # 获取k2列不含有nan的数据 test_df_unique_no_nan = test_df_unique[test_df_unique['K2'].apply(no_nan)] # 管理测试数据,获取源数据 test_df_get = test_df[test_df['K1'].isin(test_df_unique_has_nan.index.tolist())] test_df_alone = test_df[test_df['K1'].isin(test_df_unique_no_nan.index.tolist())] # 去除含nan的重复数据 test_df_get_nonan = test_df_get[~test_df_get['K2'].isna()] # 组合数据 result = test_df_get_nonan.append(test_df_alone) # 去重,得到最终结果 result_save = result.drop_duplicates(subset=['K1','K2'],keep='last') # 结果落地 result_save.to_excel('C:/Users/zhen/Desktop/数据清洗之去重.xlsx')
2、测试数据:
3、结果:
上一篇:mongodb比mysql快么?
下一篇:没有了