原标题：Python数据分析常用语句(一)

本篇介绍合并变量和target这两个数据，及合并之前的一些数据清洗工作。

01

读取表格文件

读入csv文件，代码如下：

import numpy as np

import pandas as pd

data = pd.read_csv('data_for_test.csv',engine='python')

print(data.shape)

data.head(3)

输出为：

pd.read_csv()函数常用参数：

nrows: 读取行数

usecols: 读取对应列

encoding: 编码格式，默认utf-8；

如果数据含中文，导致默认格式输出是乱码的情况，可以尝试encoding='gbk’或者encoding=‘gb18030’。

engine官方解释：

engine : {‘c’, ‘python’}, optional

Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.

笔者通常不设置此参数，但是不设置这个参数有时候会提醒错误，所以有时候需要设置，一般都是报错后再设置。

data.shape结果显示读入数据有186行，14列。

data.head(3)输出前三行数据，含表头。

多参数设置读入数据：

data_test = pd.read_csv('data_for_test.csv',engine='python',nrows=20,usecols=['id','appl_time'],encoding='gbk')

查看每一列的数据格式：

data.dtypes

输出为：

查看指定列的数据格式为：

data[['id','var2']].dtypes

输出为：

输出该数据表的所有列标题为：

data.columns.values.tolist()

02

删除列

发现grade_x列不需要，删除该列。

data.drop(['grade_x'],axis=1,inplace=True)

03

删除不符合条件的样本

查看数值型变量的统计数据：

data.describe().T

发现age的最小值是-50，不符合常理，所以将age列小于等于0的行删除，即留下‘age’列大于0的数据。

data = data[data['age']>0]

可以看到原先数据是185行，现在剩184行。

选取符合条件样本的代码还可以是：

data3 = data.loc[(data['age'] > 25) & (data['city'] == 'Beijing')]

表示age大于25且city是Beijing的样本。

data2 = data.loc[data['city'].isin(['Shanghai'])]

表示city含Shanghai的样本。

04

列重命名

states = {

'var1':'is_phone'

}

data.rename(columns=states,inplace=True)

可以看到var1被重命名为is_phone，inplace=True表示在原数据进行修改。

05

Merge合并数据

合并数据前，要检查索引列(key)是否符合以下条件：

key无空值

key数据格式一致

key无重复项

此样本key为两列，id和appl_time。

去除key为空的样本：

data.dropna(subset=['id','appl_time'],inplace=True)

使用data.dtypes查看到数据格式都为object。

但需要注意的是，对于数字或时间列，只要有一个样本为字符型数据，数据格式即为object，所以为了统一数据格式，建议都转为字符型数据。

data['appl_time']=data['appl_time'].apply(str)

删除重复项：

data=data.drop_duplicates(['id','appl_time'])

从184行数据变为182行。

变量已经处理完成，再读入target数据，同样的数据处理过程，最后再合并数据。

target = pd.read_csv('data_target.csv',engine='python')

print(target.shape)

target.head()

合并数据：

data = pd.merge(target, data, on=['id','appl_time'],how='inner')

print(data.shape)

data.head()

how='inner’表示为内连接合并方式，即data和target表格的id和appl_time一致时才合并，合并后剩余182行数据。

06

存入csv文件

最后将处理好的数据存为csv文件。

data.to_csv('data_merge.csv',index=False)

index=False表示不输出索引。返回搜狐，查看更多

责任编辑：