今天就跟大家聊聊有關(guān)數(shù)據(jù)清洗常用的2個(gè)小trick分別是什么，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
成都創(chuàng)新互聯(lián)公司-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價(jià)比硚口網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫(kù),直接使用。一站式硚口網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋硚口地區(qū)。費(fèi)用合理售后完善，10年實(shí)體公司更值得信賴。
重慶分公司
重慶分公司
str.split 和 str.cat因?yàn)橐陨蟽蓚€(gè)方法，直接按列操作，所以省掉一層 for 循環(huán)，下面直接看例子。
df = pd.DataFrame({'names':["Geordi La Forge", "Deanna Troi", "Jack"],'IDs':[1,2,3]})
df
對(duì) names 列，按照第一個(gè)空格分割為兩列：
df["first_name"] = df["names"].str.split(n = 1).str[0]
df["last_name"] = df["names"].str.split(n = 1).str[1]
df
結(jié)果如下：
分割列搞定，接下來再合并回去，使用 cat 方法：
df["names_copy"] = df["first_name"].str.cat(df["last_name"], sep = " ")
df
合并兩列得到一個(gè)新列 names_copy 搞定！
還有別的合并方法嗎，直接使用 + 連接字符串：
df["names_copy2"] = df["first_name"] + " "+ df["last_name"]
df
效果是一樣的：
有特征上百個(gè)，根據(jù)多個(gè)特征篩選 DataFrame 時(shí)，如果這么做，可讀性不太友好：
df[(df["continent"] == "Europe") & (df["beer_servings"] > 150) & (df["wine_servings"] > 50) & (df["spirit_servings"] < 60)]
連續(xù)多個(gè)篩選條件寫到一行里。
cr1 = df["continent"] == "Europe"
cr2 = df["beer_servings"] > 150
cr3 = df["wine_servings"] > 50
cr4 = df["spirit_servings"] < 60
df[cr1 & cr2 & cr3 & cr4]
