导语:
本文主要介绍了关于如何实现python的数据表清洗?的相关知识,希望可以帮到处于编程学习途中的小伙伴
并不是我们写的每一个代码块或者字符串都可以直接使用,因为很多代码块的整合总会遇到,链接的删除或者整改多少有些重复。还需要找出内容,然后进行处理。这样一系列的过程就是语言中数据表的清洗。清洁很重要,需要去除繁琐。这对整个代码的契合度也有巨大的影响。
常见的数据表清晰内容如下:
删除空值的行
df.dropna(how='any')
填充空值
df.fillna(value=0)
对
NA 进行填充
df['column_name'].fillna(df['column_name'].mean())
清除字符空格
df['column_name']=df['column_name'].map(str.strip)
更改数据格式
df['column_name'].astype('int')
本文为原创文章,版权归知行编程网所有,欢迎分享本文,转载请保留出处!
你可能也喜欢
- ♥ 如何在jupyter中使用python?10/08
- ♥ 如何在python面向对象中实现类?12/29
- ♥ 哪个值得学习,c还是python11/04
- ♥ 了解搭建selenium安装配置环境12/13
- ♥ 面向对象深度优先和广度优先12/21
- ♥ python默认参数的使用注意事项01/06
内容反馈