python做數據清洗的方法

這篇文章將為大家詳細講解有關python做數據清洗的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

1.數據清洗的代碼：

import pandas as pd
import numpy as np
# 創建空的df，保存測試數據
test_df = pd.DataFrame({'K1':['C1','C1','C2','C3','C4','C2','C1'],'K2':['A','A','B','C','D',np.NaN,np.NaN]})
# 按K1列進行分組，組內進行unique操作（去除重復元素，返回元組或列表）
test_df_unique = pd.DataFrame(test_df.groupby(['K1'])['K2'].agg('unique'))
# 自定義函數判斷元組中是否含有nan
def has_nan(list):
    flag = False
    for x in list:
        if x is np.NaN:
            flag = True
            break
    return flag
# 自定義函數判斷元組中是否不含有nan
def no_nan(list):
    flag = True
    for x in list:
        if x is np.NaN:
            flag = False
            break
    return flag
# 獲取k2列含有nan的數據
test_df_unique_has_nan = test_df_unique[test_df_unique['K2'].apply(has_nan)]
# 獲取k2列不含有nan的數據
test_df_unique_no_nan = test_df_unique[test_df_unique['K2'].apply(no_nan)]
# 管理測試數據，獲取源數據
test_df_get = test_df[test_df['K1'].isin(test_df_unique_has_nan.index.tolist())]
test_df_alone = test_df[test_df['K1'].isin(test_df_unique_no_nan.index.tolist())]
# 去除含nan的重復數據
test_df_get_nonan = test_df_get[~test_df_get['K2'].isna()]
# 組合數據
result = test_df_get_nonan.append(test_df_alone)
# 去重，得到最終結果
result_save = result.drop_duplicates(subset=['K1','K2'],keep='last')
# 結果落地
result_save.to_excel('C:/Users/zhen/Desktop/數據清洗之去重.xlsx')

2、測試數據：

3、結果：

關于python做數據清洗的方法就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。