数据预处理的10个方法，附Pandas实现
发布时间：2021-06-04 15:26:22 所属栏目：大数据 来源：互联网
导读：数据预处理常用的处理步骤，包括找出异常值、处理缺失值、过滤不合适值、去掉重复行、分箱、分组、排名、category转数值等，下面使用 pandas 解决这些最常见的预处理任务。 找出异常值常用两种方法： 标准差法：异常值平均值上下1.96个标准差区间以外的值 分
|
数据预处理常用的处理步骤，包括找出异常值、处理缺失值、过滤不合适值、去掉重复行、分箱、分组、排名、category转数值等，下面使用 pandas 解决这些最常见的预处理任务。
找出异常值常用两种方法：
标准差法：异常值平均值上下1.96个标准差区间以外的值
分位数法：小于 1/4分位数减去 1/4和3/4分位数差的1.5倍，大于3/4减去 1/4和3/4分位数差的1.5倍，都为异常值
技能1 ：标准差法
import pandas as pd
df = pd.DataFrame({'a':[1,3,np.nan],'b':[4,np.nan,np.nan]})
# 异常值平均值上下1.96个标准差区间以外的值
meangrade = df['a'].mean()
stdgrade = df['a'].std()
toprange = meangrade + stdgrade * 1.96
botrange = meangrade - stdgrade * 1.96
# 过滤区间外的值
copydf = df
copydfcopydf = copydf.drop(copydf[copydf['a']
> toprange].index)
copydfcopydf = copydf.drop(copydf[copydf['a']
< botrange].index)
copydf
技能2：分位数法
q1 = df['a'].quantile(.25)
q3 = df['a'].quantile(.75)
iqr = q3-q1
toprange = q3 + iqr * 1.5
botrange = q1 - iqr * 1.5
copydf = df
copydfcopydf = copydf.drop(copydf[copydf['a']
> toprange].index)
copydfcopydf = copydf.drop(copydf[copydf['a']
< botrange].index)
copydf
技能3：处理空值
np.nan 是 pandas 中常见空值，使用 dropna 过滤空值，axis 0 表示按照行，1 表示按列，how 默认为 any ，意思是只要有一个 nan 就过滤某行或某列，all 所有都为 nan
# axis 0 表示按照行，all 此行所有值都为 nan
df.dropna(axis=0, how='all')
技能4：充填空值
空值一般使用某个统计值填充，如平均数、众数、中位数等，使用函数 fillna：
# 使用a列平均数填充列的空值，inplace true表示就地填充
df["a"].fillna(df["a"].mean(), inplace=True)
技能5：修复不合适值
假如某门课最高分100，如果出现 -2， 120 这样的值，显然不合理，使用布尔类型的Series对象修改数值：
df.loc[(df['a'] < -2,'a')] = 0
df.loc[(df['a'] >= 100,'a')] = 100
 （编辑：上饶站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
