溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
今天就跟大家聊聊有關數據清洗常用的2個小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，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。
str.split 和 str.cat因為以上兩個方法，直接按列操作，所以省掉一層 for 循環，下面直接看例子。
df = pd.DataFrame({'names':["Geordi La Forge", "Deanna Troi", "Jack"],'IDs':[1,2,3]})
df
對 names 列，按照第一個空格分割為兩列：
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，根據多個特征篩選 DataFrame 時，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)]
連續多個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]
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
