【Python数据分析与可视化】Pandas数据载入与预处理-实训

【Python数据分析与可视化】Pandas数据载入与预处理-实训

文章目录

• 【Python数据分析与可视化】Pandas数据载入与预处理-实训
• • 导包
  • 读取数据
  • 分析数据
  • • 1、查看数据的描述和统计信息；
    • 2、显示聚餐时间段time的不重复值；
    • 3、修改拼写错误的字段值；
    • 4、检测数据中的缺失值；
    • 5、删除一行内有两个缺失值的数据；
    • 6、删除sex或time为空的行；
    • 7、对剩余有空缺的数据用平均值替换；

导包

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#显示中文标签
plt.rcParams['axes.unicode_minus']=False #显示负号
%matplotlib inline

读取数据

f1=pd.read_excel('tips_mod.xls')
f1.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	NaN	Female	No	Sun	Dinner	2.0
1	NaN	1.66	Male	No	Mon	Diner	3.0
2	21.01	NaN	Male	No	Sun	Dier	3.0
3	23.68	3.31	Male	No	Sun	Diner	6.0
4	NaN	3.61	Female	No	Sun	Dinner	4.0

分析数据 1、查看数据的描述和统计信息；

f1.describe()

	total_bill	tip	size
count	236.000000	236.000000	240.000000
mean	19.792161	3.018051	2.566667
std	8.898466	1.394868	0.970126
min	3.070000	1.000000	1.000000
25%	13.277500	2.000000	2.000000
50%	17.815000	2.960000	2.000000
75%	24.065000	3.627500	3.000000
max	50.810000	10.000000	6.000000

2、显示聚餐时间段time的不重复值；

unique_time=f1['time'].unique()
unique_time

array(['Dinner', 'Diner', 'Dier', nan, 'Lunch'], dtype=object)

3、修改拼写错误的字段值；

f1=f1.replace({'Diner':'Dinner','Dier':'Dinner'})
unique_time=f1['time'].unique()
unique_time

array(['Dinner', nan, 'Lunch'], dtype=object)

4、检测数据中的缺失值；

f1_null=f1.isnull().sum()
f1_null

total_bill    8
tip           8
sex           5
smoker        3
day           2
time          5
size          4
dtype: int64

5、删除一行内有两个缺失值的数据；

nan_list=[]
for i,row in f1.iterrows():
    if row.isnull().sum()==2:
        nan_list.append(i)
print(nan_list)
f1.drop(index = nan_list)
f1.isnull().sum()

[16, 23, 27, 42]





total_bill    8
tip           8
sex           5
smoker        3
day           2
time          5
size          4
dtype: int64

6、删除sex或time为空的行；

f1.dropna(subset=['sex','time'],axis=0,how='any',inplace=True)
f1.isnull().sum()

total_bill    6
tip           8
sex           0
smoker        3
day           2
time          0
size          4
dtype: int64

7、对剩余有空缺的数据用平均值替换；

f1['total_bill']=f1['total_bill'].fillna(f1['total_bill'].mean())
f1['tip']=f1['tip'].fillna(f1['tip'].mean())
f1['size']=f1['size'].fillna(f1['size'].mean())
f1.isnull().sum()

total_bill    0
tip           0
sex           0
smoker        3
day           2
time          0
size          0
dtype: int64