数据清洗的八个Python代码（复制使用）

数据清洗是进行数据分析和利用数据训练模型的必由之路，也是数据科学家/程序员最耗费精力的地方。

这些数据清洗的代码有两个好处：一是用函数写的，不用改参数就可以直接使用。第二个很简单，加上最长的评论只有11行。

在介绍每段代码的时候，都会给出目的，代码中也会给出注释。

你可以将本文加入书签并将其用作工具箱。

涵盖8大场景的数据清洗代码

这些数据清洗代码，一共涵盖8个场景，分别是：

删除多列、更改数据类型、将分类变量转换为数值变量、检查缺失数据、删除列中的字符串、删除列中的空格、用字符串连接两列（带条件）、转换时间戳（从字符串到日期时间格式）

删除多列

在进行数据分析时，并非所有的列都有用，用df.drop可以方便地删除你指定的列。

转换数据类型

当数据集变大时，需要转换数据类型以节省内存。

将分类变量转换为数值变量

某些机器学习模型要求变量采用数字格式。这需要先将分类变量转换为数值变量。同时，你还可以保留分类变量以进行数据可视化。

检查缺失数据

如果要检查每列缺失数据的数量，使用下面的代码是最快的方法。它可以让你更好地了解哪些列有更多的缺失数据，从而确定如何进行下一步的数据清洗和分析。

删除列中的字符串

有时，字符串列中会出现新的字符或其他奇怪的符号，使用df['col_1'].replace即可轻松处理。

删除列中的空格

当数据混乱时，任何事情都可能发生。字符串的开头经常有一些空格。在删除列中字符串开头的空格时，下面的代码非常有效。

用字符串连接两列（带条件）

当你想要有条件地将两列与字符串连接在一起时，此代码很有用。例如，你可以在第一列的末尾设置某些字母，并使用它们连接到第二列。

如果需要，也可以在连接完成后删除末尾的字母。

转换时间戳（从字符串到日期时间格式）

在处理时间序列数据时，我们很可能会遇到字符串格式的时间戳列。

这意味着将字符串格式转换为日期时间格式（或我们根据需要指定的任何其他格式）以便对数据进行有意义的分析。

python学习网，大量的免费
，欢迎在线学习！

本文转自：https://www.jianshu.com/p/b78affa1962a