Datenbereinigung - Weitere Tools
Lektion 7 von 19 im Kurs Pandas Analytics von Coddy.
Duplikate entfernen
Duplikate Zeilen sind exakt gleich. Wenn es einen einzigen Unterschied gibt, wird sie nicht als Duplikat betrachtet.
df = df.drop_duplicates()Spalten umbenennen
Normalerweise möchten wir eine einheitliche Konvention für Spaltennamen haben. Dafür können wir die Spalten manuell umbenennen:
df = df.rename(columns={"old_name": "new_name"})Datentypen ändern
df["column name"] = df["column name"].astype(bool)
df["column name"] = df["column name"].astype(int)
Aufgabe
EinfachDie CSV-Datei missing.csv ist unordentlich.
Hier sind die ersten 5 Zeilen der Datei:
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,12,0.88646,0Bereinigen Sie die Daten:
- Entfernen Sie doppelte Zeilen.
- Benennen Sie alle Spalten in Kleinbuchstaben um.
- Konvertieren Sie Spalten mit Einsen und Nullen (untersuchen Sie den Dataframe, um die richtigen Spalten zu finden) in Boolean-Spalten.
Um über alle Spalten zu iterieren, können Sie die Eigenschaft .colunms verwenden:
for column in columns:
# your code hereUm Ihren Fortschritt zu verfolgen, geben Sie den df aus: print(df)
Speichern Sie das Endergebnis in der Variable df.
Geben Sie den df am Ende nicht aus, um den Testfall zu bestehen!
Probier es selbst
# pandas als pd ist bereits importiert
df = pd.read_csv("./missing.csv")
# Schreibe deinen Code unten
Alle Lektionen in Pandas Analytics
2Arbeiten mit dem DataFrame
DataFrames verstehenDatenzugriffDatenbereinigung - Fehlende DatenDatenbereinigung - Weitere Tools3Datenmanipulation mit Pandas
Ergebnis zurückgebenDaten filternHinzufügen & LöschenDaten ändernStrings modifizierenEigene Anpassungen