資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在給定的 Pandas DataFrame 中清洗字串資料？
Pandas 是一個用於資料分析和處理的 Python 庫。它提供了許多用於資料清洗和格式化的函式。
在這篇文章中，我們將學習如何在給定的 Pandas DataFrame 中清洗字串資料。我們將涵蓋以下主題：
刪除開頭和結尾的空格
替換特殊字元
轉換為小寫
刪除重複值
將字串拆分為列
合併列
資料驗證
刪除開頭和結尾的空格
可以使用 `strip()` 方法刪除字串開頭和結尾的空格。
例如，以下程式碼將刪除“姓名”列的開頭和結尾空格：
程式碼
df['Name'] = df['Name'].str.strip()
替換特殊字元
可以使用 `replace()` 方法替換字串中的特殊字元。
例如，以下程式碼將用空字串替換“姓名”列中的逗號：
程式碼
df['Name'] = df['Name'].str.replace(',', '')
轉換為小寫
可以使用 `lower()` 方法將字串轉換為小寫。
例如，以下程式碼將“姓名”列轉換為小寫：
程式碼
df['Name'] = df['Name'].str.lower()
刪除重複值
可以使用 `drop_duplicates()` 方法刪除 DataFrame 中的重複值。
例如，以下程式碼將刪除“姓名”列中的重複值：
程式碼
df = df.drop_duplicates('Name')
將字串拆分為列
可以使用 `split()` 方法將字串拆分為列。
例如，以下程式碼將“姓名”列拆分為兩列，“名”和“姓”：
程式碼
df[['First Name', 'Last Name']] = df['Name'].str.split(' ', expand=True)
合併列
可以使用 `merge()` 方法將兩列合併為一列。
例如，以下程式碼將“名”和“姓”列合併為單個“姓名”列：
程式碼
df['Name'] = df['First Name'] + ' ' + df['Last Name']
資料驗證
可以使用 `isna()` 方法檢查值是否缺失。
例如，以下程式碼將檢查“年齡”列中是否有任何缺失值：
程式碼
df['Age'].isna().any()
可以使用 `fillna()` 方法用預設值填充缺失值。
例如，以下程式碼將用值 0 填充“年齡”列中的缺失值：
程式碼
df['Age'].fillna(0, inplace=True)
現在讓我們考慮一個程式碼示例，我們將使用上面提到的所有方法。
請參考以下程式碼。
示例
import pandas as pd
# Step 1: Import the necessary modules
# Step 2: Load the DataFrame with string data
data = {'Name': [' John Doe ', 'Jane Smith', ' Mary Johnson '],
'Email': ['john@example.com', 'jane@example.com', 'mary@example.com'],
'Phone': ['123-456-7890', '555-123-4567', ''],
'Address': ['New York', 'Los Angeles', None]}
df = pd.DataFrame(data)
# Step 3: Identify and handle missing values
df['Address'] = df['Address'].fillna('Unknown')
# Step 4: Apply string cleaning operations
df['Name'] = df['Name'].str.strip()
df['Name'] = df['Name'].str.lower()
df['Phone'] = df['Phone'].str.replace('-', '')
df['Email'] = df['Email'].str.split('@').str[1]
# Step 5: Verify the cleaned data
print(df)
解釋
我們首先將 pandas 模組匯入為 pd，它提供了強大的資料操作功能。
在這個例子中，我們建立一個包含字串資料的 DataFrame df。每一列代表不同的屬性，例如姓名、電子郵件、電話和地址。
我們使用 `fillna()` 方法將“地址”列中的 None 值替換為字串“未知”，從而處理缺失值。
然後使用各種字串方法將字串清洗操作應用於特定列。
`str.strip()` 刪除“姓名”列的開頭和結尾空格。
`str.lower()` 將“姓名”列的值轉換為小寫。
`str.replace('-', '')` 刪除“電話”列中的連字元。
`str.split('@').str[1]` 在“電子郵件”列的值中以“@”符號分割，並檢索第二部分（域名）。
輸出
Name Email Phone Address 0 john doe example.com 1234567890 New York 1 jane smith example.com 5551234567 Los Angeles 2 mary johnson example.com Unknown
結論
總之，清洗 Pandas DataFrame 中的字串資料是資料預處理和分析中一個重要的步驟。本文提供了一個全面的指南，逐步講解了字串資料清洗過程，並附帶程式碼示例、解釋和示例輸出。
我們首先了解了清洗字串資料的重要性以及涉及的常見任務，例如刪除空格、處理缺失值和轉換資料格式。然後，我們演示瞭如何將這些清洗操作應用於 Pandas DataFrame。
1K+ 次檢視
