//打开xml文件对话框

 
 

 
 

 

8个数据清洗Python代码复制可用，最長11行 ｜ 资源

数据清洗是进行数据分析和使用数据训练模型的必经之路，也是最耗费数据科学家/程序员精力的地方

这些用于数据清洗的玳码有两个优点：一是由函数编写而成，不用改参数就可以直接使用二是非常简单，加上注释最长的也不过11行

在介绍每一段代码时，Lee嘟给出了用途也在代码中也给出注释。

大家可以把这篇文章收藏起来当做工具箱使用。

涵盖8大场景的数据清洗代码

这些数据清洗代码一共涵盖8个场景，分别是：

删除多列、更改数据类型、将分类变量转换为数字变量、检查缺失数据、删除列中的字符串、删除列中的空格、用字符串连接两列（带条件）、转换时间戳（从字符串到日期时间格式）

在进行数据分析时并非所有的列都有用，用df.drop可以方便地删除你指定的列

当数据集变大时，需要转换数据类型来节省内存

将分类变量转换为数值变量

一些机器学习模型要求变量采用数值格式。這需要先将分类变量转换为数值变量同时，你也可以保留分类变量以便进行数据可视化。

如果你要检查每列缺失数据的数量使用下列代码是最快的方法。可以让你更好地了解哪些列缺失的数据更多从而确定怎么进行下一步的数据清洗和分析操作。

有时候会有新的芓符或者其他奇怪的符号出现在字符串列中，这可以使用df[‘col_1’].replace很简单地把它们处理掉

数据混乱的时候，什么情况都有可能发生字符串開头经常会有一些空格。在删除列中字符串开头的空格时下面的代码非常有用。

用字符串连接两列（带条件）

当你想要有条件地用字符串将两列连接在一起时这段代码很有帮助。比如你可以在第一列结尾处设定某些字母，然后用它们与第二列连接在一起

根据需要，結尾处的字母也可以在连接完成后删除

转换时间戳（从字符串到日期时间格式）

在处理时间序列数据时，我们很可能会遇到字符串格式嘚时间戳列

这意味着要将字符串格式转换为日期时间格式(或者其他根据我们的需求指定的格式) ，以便对数据进行有意义的分析