我們?nèi)粘Ｄ玫降臄?shù)據(jù)，指標字段有時會混入非數(shù)字的數(shù)據(jù)，這時候會影響我們的操作

比如read_csv讀入時，該列會以object形式讀入，也不能直接進行計算，不然會出現(xiàn)如unsupported operand type(s) for +: 'float' and 'str'的錯誤

這時候就需要進行數(shù)據(jù)預(yù)處理，清除掉指標值中非數(shù)字的數(shù)據(jù)，這里我以2012_FederalElectionCommission_Database數(shù)據(jù)為例。

首先讀入數(shù)據(jù)，可以發(fā)現(xiàn)提示：Columns (6) have mixed types，這里Columns (6)是指標值混有字符串格式數(shù)據(jù)

fec = pd.read_csv('P00000001-ALL.csv')
D:\SOFTWARE\Anaconda\lib\site-packages\IPython\core\interactiveshell.py:2717: DtypeWarning: Columns (6) have mixed types. Specify dtype option on import or set low_memory=False.
 interactivity=interactivity, compiler=compiler, result=result)

#先使用str打開數(shù)據(jù)
fec = pd.read_csv('P00000001-ALL.csv',dtype={'contbr_zip':str})
 
#然后使用str函數(shù)isdigit()判斷單元格是否全為數(shù)字
 
fec_isnum=fec.iloc[:,6].str.isdigit()
 
#得到使用bool索引把全為數(shù)字的表格cleaned
 
cleaned = fec[fec_isnum].copy()

補充：pandas如何去掉、過濾數(shù)據(jù)集中的某些值或者某些行？

在進行數(shù)據(jù)分析與清理中，我們可能常常需要在數(shù)據(jù)集中去掉某些異常值。具體來說，看看下面的例子。

0.導(dǎo)入我們需要使用的包

import pandas as pd

pandas是很常用的數(shù)據(jù)分析，數(shù)據(jù)處理的包。anaconda已經(jīng)有這個包了，純凈版python的可以自行pip安裝。

1.去掉某些具體值

數(shù)據(jù)集df中，對于屬性appPlatform（最后一列），我們想刪除掉取值為2的那些樣本。

如何做？非常簡單。

import pandas as pd
df[(True-df['appPlatform'].isin([2]))]

當(dāng)然，有時候我們需要去掉不止一個值，這個時候只需要在isin([]）的列表中添加。更具體來說，例如，對于appID這個屬性，我們想去掉appID=278和appID=382的樣本。

df[(True-df['appID'].isin([278,382]))]

另外，我們有時候并不只是考慮某一列，還需要考慮另外若干列的情況。例如，我們需要過濾掉appPlatform=2而且appID=278和appID=382的樣本呢？非常簡單。

df[(True-df['appID'].isin([278,382]))&(True-df['appPlatform'].isin([2]))]

其實，在這里我們看到，就是由兩部分組成的，第一部分就是appID中等于278和382的，另外一部分就是appPlatform中等于2的。兩者取邏輯關(guān)系 與（&）

2.過濾掉某個范圍的值

上面我們是了解了如何取掉某個具體值，下面，我們要看看如何過濾掉某個范圍的值。

對于數(shù)據(jù)集df，我們想過濾掉creativeID（第一列）中ID值大于10000的樣本。

df[df['creativeID']<=10000]

另外，如果要考慮多列的話，其實和上面一樣，將兩種情況做邏輯與（&）就可以，不過值得注意的是，每個條件要用括號()括起來。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。

最新評論