Limpieza de datos - Más herramientas
Lección 7 de 19 del curso Análisis con Pandas de Coddy.
Eliminar valores duplicados
Las filas duplicadas son exactamente iguales. Si hay una sola diferencia, no se considerará un duplicado.
df = df.drop_duplicates()Renombrar columnas
Normalmente, nos gustaría tener una única convención para los nombres de las columnas. Para ello, podemos renombrar manualmente las columnas:
df = df.rename(columns={"old_name": "new_name"})Cambiar tipos de datos
df["column name"] = df["column name"].astype(bool)
df["column name"] = df["column name"].astype(int)
Desafío
FácilEl archivo CSV missing.csv está desordenado.
Aquí están las primeras 5 líneas del archivo:
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,12,0.88646,0Limpia los datos:
- Elimina las filas duplicadas.
- Renombra todas las columnas a letras minúsculas.
- Convierte las columnas con unos y ceros (investiga el dataframe para encontrar las columnas correctas) a columnas de tipo Boolean.
Para iterar sobre todas las columnas, puedes usar la propiedad .columns:
for column in columns:
# your code herePara seguir tu progreso, imprime el df: print(df)
Guarda el resultado final en la variable df.
¡No imprimas el df para pasar el caso de prueba!
Pruébalo tú mismo
# pandas as pd ya está importado
df = pd.read_csv("./missing.csv")
# Escribe tu código a continuación
Todas las lecciones de Análisis con Pandas
4Análisis de datos con Pandas
Estadística descriptivaAgrupación y agregación de datosDiferentes agregacionesMerge y Concat2Trabajando con el DataFrame
Entendiendo los DataFramesAcceso a los datosLimpieza de datos - Datos faltantesLimpieza de datos - Más herramientas3Manipulación de datos con Pandas
Retornar el resultado solicitadoFiltrar datosAgregar y eliminarModificar datosModificar cadenasModificaciones personalizadas