python 型別轉換和冗餘資料刪除

1.型別轉換

import pandas as pd
import datetime

法1：

dt =
'2019/06/13 16:16:39'
d ='2017-04-24'
str2datetime = datetime.datetime.strptime(dt,
'%y/%m/%d %h:%m:%s'
)str2date1 = datetime.datetime.strptime(d,
'%y-%m-%d'
)str2date2 = datetime.datetime.strptime(d,
'%y-%m-%d'
).date(
)print
(str2datetime)
print
(str2date1)
print
(str2date2)

2019-06-13 16:16:39 2017-04-24 00:00:00

2017-04-24

法2：

# 字串轉換為時間格式
dt = pd.dataframe(
['2019/06/13 16:16:39'
,'2019-03-02 23:12:23'
,'2019-03-22 13:12:23'
,'2019-05-02 15:12:30'
,'2019-04-02 17:33:23'
,'20/05/02'])
print
(dt)

0 0 2019/06/13 16:16:39 1 2019-03-02 23:12:23 2 2019-03-22 13:12:23 3 2019-05-02 15:12:30 4 2019-04-02 17:33:23

5 20/05/02

dt.iloc[:,
0]= pd.to_datetime(dt.iloc[:,
0],format
='%y-%m-%d'
,errors =
'coerce'
)# 將其他格式顯示成nat

print
(dt)

0 0 2019-06-13 16:16:39 1 2019-03-02 23:12:23 2 2019-03-22 13:12:23 3 2019-05-02 15:12:30 4 2019-04-02 17:33:23

5 nat

salesdf=dt.dropna(how=
'any'
)print
(salesdf)

0 0 2019-06-13 16:16:39 1 2019-03-02 23:12:23 2 2019-03-22 13:12:23 3 2019-05-02 15:12:30

4 2019-04-02 17:33:23

1.刪除缺失值

dropna() 預設刪除含有缺失值的行，引數how = 'all』指刪除全部為空值的行

data3 = pd.read_excel(io=r'd:\bd\data3.xlsx'
)

data3.dtypes

id int64 gender object age float64 edu object custom_amt object order_date object

dtype: object

data3.head(
)

idgender

ageedu

custom_amt

order_date

0890

female

43.0

nan￥2177.94

2023年12月25日

12391

male

52.0

nan￥2442.18

2023年5月24日

22785

male

39.0

nan￥849.79

2023年5月15日

31361

female

26.0

nan￥2482.22

2023年5月16日

4888

female

61.0

本科￥2027.9

2023年1月21日

上述資料中使用者id應為字元型,消費金額應為數值型,訂單日期應為日期型

# 使用者id轉換為字元型
data3[
'id'
]= data3[
'id'
].astype(
str)
# 使用者消費金額轉換為數值型 ,消費金額中包含人民幣符號'￥'，所以要從第二個元素開始截斷
data3[
'custom_amt'
]= data3[
'custom_amt'].
str[1:
].astype(
float
)# 訂單日期轉換為日期型
data3[
'order_date'
]= pd.to_datetime(data3[
'order_date'],
format
='%y年%m月%d日'
)

2.刪除重複資料

data3.duplicated().any()

判斷資料中是否存在重複觀測,如果不加any(),則會返回乙個與原資料行數相同的序列，使用了any()方法，則只返回乙個值(true或false)

duplicated方法和drop_duplicates方法都有乙個重要的引數，預設情況下不設定該引數時，表示對資料的所有列進行重複性判斷，如果需要按照指定的變數做資料的重複性判斷時，就可以使用該引數指定具體的變數列表。

# 構造資料
df = pd.dataframe(
dict
(name =
['張三'
,'李四'
,'王二'
,'張三'
,'趙五'
,'丁一'
,'王二'],
gender =
['男'
,'男'
,'女'
,'男'
,'女'
,'女'
,'男'],
age =[29
,25,27
,29,21
,22,27
],income =
[15600
,14000
,18500
,15600
,10500
,18000
,13000],
edu =
['本科'
,'本科'
,'碩士'
,'本科'
,'大專'
,'本科'
,'碩士'])
)df

name

gender

ageincome

edu0張三男

2915600本科1

李四男2514000本科2

王二女2718500碩士3

張三男2915600本科4

趙五女2110500大專5

丁一女2218000本科6

王二男2713000

碩士

# 預設情況下，對每行所有變數進行判斷,刪除第二條重複行，刪除第二行的張三 df.drop_duplicates(

)

name

gender

ageincome

edu0張三男

2915600本科1

李四男2514000本科2

王二女2718500碩士4

趙五女2110500大專5

丁一女2218000本科6

王二男2713000

碩士

# 根據使用者姓名和年齡來刪除重複值
df.drop_duplicates(subset =
['name'
,'age'
])

name

gender

ageincome

edu0張三男

2915600本科1

李四男2514000本科2

王二女2718500碩士4

趙五女2110500大專5

丁一女2218000本科

使用drop_duplicates方法刪除重複資料，並不能直接影響到原始資料，即原始資料中還是存在重複觀測的，若使用inplace = true，則會用刪除後的資料替換原始資料

python 型別轉換和冗餘資料刪除

mysql資料冗餘 MySQL冗餘資料的三種方案

python處理txt去掉同類的冗餘資料

HDFS 冗餘資料塊的自動刪除

python 型別轉換和冗餘資料刪除

mysql資料冗餘 MySQL冗餘資料的三種方案

python處理txt去掉同類的冗餘資料

HDFS 冗餘資料塊的自動刪除

相關推薦