Pandas - การล้างข้อมูลของรูปแบบที่ไม่ถูกต้อง
ข้อมูลรูปแบบที่ไม่ถูกต้อง
เซลล์ที่มีข้อมูลในรูปแบบที่ไม่ถูกต้องอาจทำให้การวิเคราะห์ข้อมูลทำได้ยากหรือเป็นไปไม่ได้
ในการแก้ไข คุณมีสองตัวเลือก: เอาแถวออก หรือแปลงเซลล์ทั้งหมดในคอลัมน์ให้อยู่ในรูปแบบเดียวกัน
แปลงเป็นรูปแบบที่ถูกต้อง
ใน Data Frame ของเรา เรามีสองเซลล์ที่มีรูปแบบที่ไม่ถูกต้อง ลองดูแถวที่ 22 และ 26 คอลัมน์ 'วันที่' ควรเป็นสตริงที่แสดงวันที่:
Duration Date Pulse Maxpulse Calories
0 60 '2020/12/01' 110 130 409.1
1 60 '2020/12/02' 117 145 479.0
2 60 '2020/12/03' 103 135 340.0
3 45 '2020/12/04' 109 175 282.4
4 45 '2020/12/05' 117 148 406.0
5 60 '2020/12/06' 102 127 300.0
6 60 '2020/12/07' 110 136 374.0
7 450 '2020/12/08' 104 134 253.3
8 30 '2020/12/09' 109 133 195.1
9 60 '2020/12/10' 98 124 269.0
10 60 '2020/12/11' 103 147 329.3
11 60 '2020/12/12' 100 120 250.7
12 60 '2020/12/12' 100 120 250.7
13 60 '2020/12/13' 106 128 345.3
14 60 '2020/12/14' 104 132 379.3
15 60 '2020/12/15' 98 123 275.0
16 60 '2020/12/16' 98 120 215.2
17 60 '2020/12/17' 100 120 300.0
18 45 '2020/12/18' 90 112 NaN
19 60 '2020/12/19' 103 123 323.0
20 45 '2020/12/20' 97 125 243.0
21 60 '2020/12/21' 108 131 364.2
22 45 NaN 100 119 282.0
23 60 '2020/12/23' 130 101 300.0
24 45 '2020/12/24' 105 132 246.0
25 60 '2020/12/25' 102 126 334.5
26 60 20201226 100 120 250.0
27 60 '2020/12/27' 92 118 241.0
28 60 '2020/12/28' 103 132 NaN
29 60 '2020/12/29' 100 132 280.0
30 60 '2020/12/30' 102 129 380.3
31 60 '2020/12/31' 92 115 243.0
มาลองแปลงเซลล์ทั้งหมดในคอลัมน์ 'วันที่' เป็นวันที่กัน
นุ่นมีto_datetime()วิธีสำหรับสิ่งนี้:
ตัวอย่าง
แปลงเป็นวันที่:
import pandas as pd
df = pd.read_csv('data.csv')
df['Date'] = pd.to_datetime(df['Date'])
print(df.to_string())
ผลลัพธ์:
Duration Date Pulse Maxpulse Calories
0 60 '2020/12/01' 110 130 409.1
1 60 '2020/12/02' 117 145 479.0
2 60 '2020/12/03' 103 135 340.0
3 45 '2020/12/04' 109 175 282.4
4 45 '2020/12/05' 117 148 406.0
5 60 '2020/12/06' 102 127 300.0
6 60 '2020/12/07' 110 136 374.0
7 450 '2020/12/08' 104 134 253.3
8 30 '2020/12/09' 109 133 195.1
9 60 '2020/12/10' 98 124 269.0
10 60 '2020/12/11' 103 147 329.3
11 60 '2020/12/12' 100 120 250.7
12 60 '2020/12/12' 100 120 250.7
13 60 '2020/12/13' 106 128 345.3
14 60 '2020/12/14' 104 132 379.3
15 60 '2020/12/15' 98 123 275.0
16 60 '2020/12/16' 98 120 215.2
17 60 '2020/12/17' 100 120 300.0
18 45 '2020/12/18' 90 112 NaN
19 60 '2020/12/19' 103 123 323.0
20 45 '2020/12/20' 97 125 243.0
21 60 '2020/12/21' 108 131 364.2
22 45 NaT 100 119 282.0
23 60 '2020/12/23' 130 101 300.0
24 45 '2020/12/24' 105 132 246.0
25 60 '2020/12/25' 102 126 334.5
26 60 '2020/12/26' 100 120 250.0
27 60 '2020/12/27' 92 118 241.0
28 60 '2020/12/28' 103 132 NaN
29 60 '2020/12/29' 100 132 280.0
30 60 '2020/12/30' 102 129 380.3
31 60 '2020/12/31' 92 115 243.0
ดังที่คุณเห็นจากผลลัพธ์ วันที่ในแถวที่ 26 ได้รับการแก้ไขแล้ว แต่วันที่ว่างในแถวที่ 22 ได้ค่า NaT (ไม่ใช่เวลา) หรืออีกนัยหนึ่งคือค่าว่าง วิธีหนึ่งในการจัดการกับค่าว่างก็คือการลบทั้งแถวออก
ได้รับการรับรอง!
$10 ลงทะเบียน
การลบแถว
ผลลัพธ์จากการแปลงในตัวอย่างด้านบนทำให้เราได้รับค่า NaT ซึ่งสามารถจัดการเป็นค่า NULL ได้ และเราสามารถลบแถวออกได้โดยใช้
dropna()เมธอด
ตัวอย่าง
ลบแถวที่มีค่า NULL ในคอลัมน์ "วันที่":
df.dropna(subset=['Date'], inplace = True)