数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在给定的 Pandas DataFrame 中清洗字符串数据？
Pandas 是一个用于数据分析和处理的 Python 库。它提供了许多用于数据清洗和格式化的函数。
在这篇文章中，我们将学习如何在给定的 Pandas DataFrame 中清洗字符串数据。我们将涵盖以下主题：
删除开头和结尾的空格
替换特殊字符
转换为小写
删除重复值
将字符串拆分为列
合并列
数据验证
删除开头和结尾的空格
可以使用 `strip()` 方法删除字符串开头和结尾的空格。
例如，以下代码将删除“姓名”列的开头和结尾空格：
代码
df['Name'] = df['Name'].str.strip()
替换特殊字符
可以使用 `replace()` 方法替换字符串中的特殊字符。
例如，以下代码将用空字符串替换“姓名”列中的逗号：
代码
df['Name'] = df['Name'].str.replace(',', '')
转换为小写
可以使用 `lower()` 方法将字符串转换为小写。
例如，以下代码将“姓名”列转换为小写：
代码
df['Name'] = df['Name'].str.lower()
删除重复值
可以使用 `drop_duplicates()` 方法删除 DataFrame 中的重复值。
例如，以下代码将删除“姓名”列中的重复值：
代码
df = df.drop_duplicates('Name')
将字符串拆分为列
可以使用 `split()` 方法将字符串拆分为列。
例如，以下代码将“姓名”列拆分为两列，“名”和“姓”：
代码
df[['First Name', 'Last Name']] = df['Name'].str.split(' ', expand=True)
合并列
可以使用 `merge()` 方法将两列合并为一列。
例如，以下代码将“名”和“姓”列合并为单个“姓名”列：
代码
df['Name'] = df['First Name'] + ' ' + df['Last Name']
数据验证
可以使用 `isna()` 方法检查值是否缺失。
例如，以下代码将检查“年龄”列中是否有任何缺失值：
代码
df['Age'].isna().any()
可以使用 `fillna()` 方法用默认值填充缺失值。
例如，以下代码将用值 0 填充“年龄”列中的缺失值：
代码
df['Age'].fillna(0, inplace=True)
现在让我们考虑一个代码示例，我们将使用上面提到的所有方法。
请参考以下代码。
示例
import pandas as pd
# Step 1: Import the necessary modules
# Step 2: Load the DataFrame with string data
data = {'Name': [' John Doe ', 'Jane Smith', ' Mary Johnson '],
'Email': ['[email protected]', '[email protected]', '[email protected]'],
'Phone': ['123-456-7890', '555-123-4567', ''],
'Address': ['New York', 'Los Angeles', None]}
df = pd.DataFrame(data)
# Step 3: Identify and handle missing values
df['Address'] = df['Address'].fillna('Unknown')
# Step 4: Apply string cleaning operations
df['Name'] = df['Name'].str.strip()
df['Name'] = df['Name'].str.lower()
df['Phone'] = df['Phone'].str.replace('-', '')
df['Email'] = df['Email'].str.split('@').str[1]
# Step 5: Verify the cleaned data
print(df)
解释
我们首先将 pandas 模块导入为 pd，它提供了强大的数据操作功能。
在这个例子中，我们创建一个包含字符串数据的 DataFrame df。每一列代表不同的属性，例如姓名、电子邮件、电话和地址。
我们使用 `fillna()` 方法将“地址”列中的 None 值替换为字符串“未知”，从而处理缺失值。
然后使用各种字符串方法将字符串清洗操作应用于特定列。
`str.strip()` 删除“姓名”列的开头和结尾空格。
`str.lower()` 将“姓名”列的值转换为小写。
`str.replace('-', '')` 删除“电话”列中的连字符。
`str.split('@').str[1]` 在“电子邮件”列的值中以“@”符号分割，并检索第二部分（域名）。
输出
Name Email Phone Address 0 john doe example.com 1234567890 New York 1 jane smith example.com 5551234567 Los Angeles 2 mary johnson example.com Unknown
结论
总之，清洗 Pandas DataFrame 中的字符串数据是数据预处理和分析中一个重要的步骤。本文提供了一个全面的指南，逐步讲解了字符串数据清洗过程，并附带代码示例、解释和示例输出。
我们首先了解了清洗字符串数据的重要性以及涉及的常见任务，例如删除空格、处理缺失值和转换数据格式。然后，我们演示了如何将这些清洗操作应用于 Pandas DataFrame。
1K+ 次查看
