Data Cleaning - More tools
الدرس 7 من 19 في دورة Pandas Analytics على Coddy.
إزالة القيم المكررة
الصفوف المكررة هي المتطابقة تماماً. إذا كان هناك اختلاف واحد، فلن يتم اعتبارها مكررة.
df = df.drop_duplicates()إعادة تسمية الأعمدة
عادةً ما نفضل أن يكون هناك اصطلاح موحد لأسماء الأعمدة. ولذلك، يمكننا إعادة تسمية الأعمدة يدوياً:
df = df.rename(columns={"old_name": "new_name"})تغيير أنواع البيانات
df["column name"] = df["column name"].astype(bool)
df["column name"] = df["column name"].astype(int)
التحدي
سهلملف CSV المسمى missing.csv غير منظم.
إليك أول 5 أسطر من الملف:
ID,COUNTRY,COLOR,SKILL,SKILL_POINTS,UTILIZATION,IS_VALID
1,France,Signal violet,marksmanship,14,0.1924,1
1,France,Signal violet,marksmanship,14,0.1924,1
2,Solomon Islands,Pearl violet,,4,,1
3,Germany,,calligraphy,12,0.88646,0قم بتنظيف البيانات:
- قم بإزالة الصفوف المكررة.
- قم بتغيير أسماء جميع الأعمدة إلى أحرف صغيرة (lower-case).
- الأعمدة التي تحتوي على واحد وأصفار (ابحث في dataframe للعثور على الأعمدة الصحيحة) قم بتحويلها إلى أعمدة Boolean.
لتكرار العملية على جميع الأعمدة، يمكنك استخدام خاصية .columns:
for column in columns:
# your code hereلتتبع تقدمك، قم بطباعة df: print(df)
قم بتخزين النتيجة النهائية في المتغير df.
لا تقم بطباعة df لتجاوز حالة الاختبار!
جرّب بنفسك
# تم استيراد pandas كـ pd بالفعل
df = pd.read_csv("./missing.csv")
# اكتب الكود الخاص بك أدناه
جميع دروس Pandas Analytics
4Data Analysis with Pandas
Descriptive StatisticsGrouping and Aggregating DataDifferent AggregationsMerge & Concat2Working with the DataFrame
Understanding DataFramesAccessing DataData Cleaning - Missing dataData Cleaning - More tools3Data Manipulation with Pandas
Return Requested ResultFilter DataAdd & DeleteModify DataModify StringsCustom Modifications