Python中的数据清洗方法是什么

这里数据清洗需要用到的库是pandas库，下载方式还是在终端运行 ： pip install pandas.

首先我们需要对数据进行读取

import pandas as pd data = pd.read_csv(r'E:PYthon用户价值分析 RFM模型data.csv')pd.set_option('display.max_columns', 888)  # 大于总列数pd.set_option('display.width', 1000)print(data.head())print(data.info())

第3行是对数据进行读取，pandas库里面有读取函数调用即可，csv格式是读取写入速度最快的。

第4，5行是为了读取的实话显示全部的列，是因为很多列的话pycharm会把中间一些列隐藏掉，所以我们这为了他不隐藏就加这两行代码。

第6行是显示表头，我们可以看到有什么字段，列名

第7行是显示表的基本信息，每一列有多少数据，字段是什么类型的数据。非空的数据有多少，所以我们第一步就可以看得到基本那一列有空值了。

空值处理

data.info()后我们可以看到大部分数据都有541909行，所以我们大致猜到是Description ，CustomerID 列漏结果了

# 空值处理print(data.isnull().sum())  # 空值中和，查看每一列的空值 # 空值删除data.drop(columns=['Description'], inplace=True)print(data.info())data.isnull()判断是否为空。data.isnumll().sum()计算空值数量。

第5行进行空值删除，这里先删除Description列的空值，inplace=True意思是对数据进行修改，如果没有inplace=True，则不对data进行修改，打印数据还是和之前一样，或者重新定义一个变量进行赋值。

由于这一列空值数据比较少，这一列数据对我们数据分析没有那么重要，所以我们选择删除这一整列。

我们这个表是对客户进行筛选的，所以以CustomerID为准，强制删除其他列

# CustomerID有空值# 删除所有列的空值data.dropna(inplace=True)# print(data.info())print(data.isnull().sum())  # 由于CustomerID为必须字段，所以强制删除其他列，以CustomerID为准

这里我们先对其他字段进行类型转换

类型转换

# 转换为日期类型data['InvoiceDate'] = pd.to_datetime(data['InvoiceDate']) # CustomerID 转换为整型data['CustomerID'] = data['CustomerID'].astype('int')print(data.info())

以上我们处理了空值，接下来我们处理异常值。

异常值处理

查看表的基本数据分布可以使用describe

print(data.describe())

可以看到数据Quantity 列中最小值为-80995.这列明显有异常值，所以需要对这一列进行异常值筛选。

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。

重复值处理

# 查看重复值print(data[data.duplicated()])

有5194行重复值，这里的重复值是完全重复的，所以是没用的数据我们可以进行删除。

删除重复值

# 删除重复值data.drop_duplicates(inplace=True) print(data.info())

删除后对原来的表进行保存，再去查看一下表的基本信息

现在还剩下392730条数据。数据到这一步就完成了数据清洗。

以上就是Python中的数据清洗方法是什么的详细内容，更多请关注Gxl网其它相关文章！