python 文件读写和数据清洗_Python

python 文件读写和数据清洗

2022-08-20 09:45数据打工人 Python

这篇文章主要介绍了python文件读写和数据清洗，文章围绕主题展开详细的内容介绍，具有一定的参考价值，感兴趣的小伙伴可以参考一下，希望对你的学习又是帮助

一、文件操作

pandas内置了10多种数据源读取函数,常见的就是CSV和EXCEL
使用read_csv方法读取，结果为dataframe格式
在读取csv文件时，文件名称尽量是英文
读取csv时，注意编码，常用编码为utf-8、gbk 、gbk2312和gb18030等
使用to_csv方法快速保存

1.1 csv文件读写

				?

									#读取文件，以下两种方式：

									#使用pandas读入需要处理的表格及sheet页

									import pandas as pd

									df = pd.read_csv("test.csv",sheet_name='sheet1') #默认是utf-8编码

									#或者使用with关键字

									with open("test.csv",encoding="utf-8")as df: 

									    #按行遍历

									    for row in df:

									        #修正

									        row = row.replace('阴性','0').replace('00.','0.')

									        ...

									        print(row)

									#将处理后的结果写入新表

									#建议用utf-8编码或者中文gbk编码,默认是utf-8编码,index=False表示不写出行索引

									df.to_csv('df_new.csv',encoding='utf-8',index=False)

1.2 excel文件读写

				?

									#读入需要处理的表格及sheet页

									df = pd.read_excel('测试.xlsx',sheet_name='test')  

									df = pd.read_excel(r'测试.xlsx') #默认读入第一个sheet

									#将处理后的结果写入新表

									df1.to_excel('处理后的数据.xlsx',index=False)

二、数据清洗

2.1 删除空值

				?

									# 删除空值行

									# 使用索引

									df.dropna(axis=0,how='all')#删除全部值为空的行

									df_1 = df[df['价格'].notna()] #删除某一列值为空的行

									df = df.dropna(axis=0,how='all',subset=['1','2','3','4','5'])# 这5列值均为空，删除整行

									df = df.dropna(axis=0,how='any',subset=['1','2','3','4','5'])#这5列值任何出现一个空，即删除整行

2.2 删除不需要的列

				?

									# 使用del, 一次只能删除一列，不能一次删除多列 

									del df['sample_1']  #修改源文件，且一次只能删除一个

									del df[['sample_1', 'sample_2']]  #报错

									#使用drop，有两种方法：

									#使用列名

									df = df.drop(['sample_1', 'sample_2'], axis=1) # axis=1 表示删除列

									df.drop(['sample_1', 'sample_2'], axis=1, inplace=True) # inplace=True, 直接从内部删除

									#使用索引

									df.drop(df.columns[[0, 1, 2]], axis=1, inplace=True) # df.columns[ ] #直接使用索引查找列，删除前3列

2.3 删除不需要的行

				?

									#使用drop，有两种方法：

									#使用行名

									df = df.drop(['行名1', '行名2']) # 默认axis=0 表示删除行

									df.drop(['行名1', '行名2'], inplace=True) # inplace=True, 直接从内部删除

									#使用索引

									df.drop(df.index[[1, 3, 5]]) # df.index[ ]直接使用索引查找行，删除1,3，5行

									df = df[df.index % 2 == 0]#删除偶数行

2.4 重置索引

				?

									#在删除了行列数据后，造成索引混乱，可通过 reset_index重新生成连续索引

									df.reset_index()#获得新的index，原来的index变成数据列，保留下来

									df.reset_index(drop=True)#不想保留原来的index，使用参数 drop=True，默认 False

									df.reset_index(drop=True,inplace=True)#修改源文件

									#使用某一列作为索引

									df.set_index('column_name').head()

2.5 统计缺失

				?

									#每列的缺失数量

									df.isnull().sum()

									#每列缺失占比

									df3.isnull().sum()/df.shape[0]

									#每行的缺失数量

									df3.isnull().sum(axis=1)

									#每行缺失占比

									df3.isnull().sum(axis=1)/df.shape[1]

2.6 排序

				?

									#按每行缺失值进行降序排序

									df3.isnull().sum(axis=1).sort_values(ascending=False)

									#按每列缺失率进行降序排序

									(df.isnull().sum()/df.isnull().count()).sort_values(ascending=False)