目录
一&＃xff0e;数据分析&清洗步骤
二&＃xff0e;Python-数据清洗-易混点
三&＃xff0e;Numpy Pandas 思维导图
一&＃xff0e;数据分析&清洗步骤
二&＃xff0e;Python-数据清洗-易混点
1--字典&＃xff1a;旧列名和新列名对应关系
colNameDict &＃61; {&＃39;购药时间&＃39;:&＃39;销售时间&＃39;}&＃39;&＃39;&＃39;
inplace&＃61;False&＃xff0c;数据框本身不会变&＃xff0c;而会创建一个改动后新的数据框&＃xff0c;
默认的inplace是False
inplace&＃61;True&＃xff0c;数据框本身会改动
&＃39;&＃39;&＃39;
salesDf.rename(columns &＃61; colNameDict,inplace&＃61;True)
2--python缺失值有3种&＃xff1a;
1&＃xff09;Python内置的None值
2&＃xff09;在pandas中&＃xff0c;将缺失值表示为NA&＃xff0c;表示不可用not available。
3&＃xff09;对于数值数据&＃xff0c;pandas使用浮点值NaN&＃xff08;Not a Number&＃xff09;表示缺失数据。
那None和NaN有什么区别呢&＃xff1a;
None是Python的一种数据类型&＃xff0c;NaN是浮点类型 两个都用作空值
3--字符串分割
testList&＃61;&＃39;2018-06-03 星期五&＃39;.split(&＃39; &＃39;)
4--数据类型转换:字符串转换为日期
#errors&＃61;&＃39;coerce&＃39; 如果原始数据不符合日期的格式&＃xff0c;转换后的值为空值NaT
#format 是你原始数据中日期的格式
salesDf.loc[:,&＃39;销售时间&＃39;]&＃61;pd.to_datetime(salesDf.loc[:,&＃39;销售时间&＃39;],format&＃61;&＃39;%Y-%m-%d&＃39;, errors&＃61;&＃39;coerce&＃39;)
5--计算月份数&＃xff1a;时间范围
第1步&＃xff1a;按销售时间升序排序
kpi1_Df&＃61;kpi1_Df.sort_values(by&＃61;&＃39;销售时间&＃39;,ascending&＃61;True)
6--重命名行的索引&＃xff08;index&＃xff09;
kpi1_Df&＃61;kpi1_Df.reset_index(drop&＃61;True)
7-- 探索缺失值占比
# 第一种方式
data.isnull().sum()/data.shape[0]#得到缺失值的比例
# 第二种方式
data.isnull().mean()#上一行代码的另一种形式书写
三&＃xff0e;Numpy Pandas 思维导图
京公网安备 11010802041100号