来源:早起Python
作者:刘早起
前两天,有一位读者在知识星球提出了一个关于 pandas 数据清洗的问题。
他的数据大致如下
现在希望分别做如下清洗
“A列中非字符行B列中非日期行C列中数值形式行(包括科学计数法的数值)D列中非整数行删掉C列中大小在10%-90%范围之外的行”
其实本质上都是「数据筛选」的问题,先来模拟下数据
如上图所示,基本上都是根据数据类型进行数据筛选,下面逐个解决。
让我们从第 4 题开始,取出 D 列全部非整数行,其实在 pandas 中可以使用.is_integer() 判断一个元素是否为整数。
这样我们就能结合 apply 函数找到全部整数行
再使用 ~ 取其补集即可得到答案
df[~df[['D']].apply(lambda x: x[0].is_integer(), axis=1)]
第 3 题要求取出 C 列所有数值形式的行。
在 pandas 同样有直接判断的函数 .isdigit() 判断是否为数值。
所以同上可以结合 apply 函数轻松搞定~
df[df['C'].str.isdigit().isnull()].dropna()
至于第 2 题,pandas 中虽有直接判断时间格式函数,但由于存在其他类型数据,该列为object,并不能直接判断。
所以只要我们将该列转换为时间格式(见习题 8-12)就会将不支持转换的格式修改为缺失值
这样在转换后删除确实值即可
至于第 1 题,我们可以借助 Python 中 isinstance 函数判断一个变量是否为字符串格式
再同样借助 apply 函数即可找到全部字符串的行,然后使用 ~ 取其补集即可
直接计算该列的指定范围,并多条件筛选即可。
数据分析咨询请扫描二维码