python 文件读写和数据清洗_python_

#读取文件，以下两种方式： #使用pandas读入需要处理的表格及sheet页 import pandas as pd df = pd.read_csv("test.csv",sheet_name='sheet1') #默认是utf-8编码 #或者使用with关键字 with open("test.csv",encoding="utf-8")as df: #按行遍历 for row in df: #修正 row = row.replace('阴性','0').replace('00.','0.') ... print(row) #将处理后的结果写入新表 #建议用utf-8编码或者中文gbk编码,默认是utf-8编码,index=False表示不写出行索引 df.to_csv('df_new.csv',encoding='utf-8',index=False) 

#读入需要处理的表格及sheet页 df = pd.read_excel('测试.xlsx',sheet_name='test') df = pd.read_excel(r'测试.xlsx') #默认读入第一个sheet #将处理后的结果写入新表 df1.to_excel('处理后的数据.xlsx',index=False)

# 删除空值行 # 使用索引 df.dropna(axis=0,how='all')#删除全部值为空的行 df_1 = df[df['价格'].notna()] #删除某一列值为空的行 df = df.dropna(axis=0,how='all',subset=['1','2','3','4','5'])# 这5列值均为空，删除整行 df = df.dropna(axis=0,how='any',subset=['1','2','3','4','5'])#这5列值任何出现一个空，即删除整行

# 使用del, 一次只能删除一列，不能一次删除多列 del df['sample_1'] #修改源文件，且一次只能删除一个 del df[['sample_1', 'sample_2']] #报错 #使用drop，有两种方法： #使用列名 df = df.drop(['sample_1', 'sample_2'], axis=1) # axis=1 表示删除列 df.drop(['sample_1', 'sample_2'], axis=1, inplace=True) # inplace=True, 直接从内部删除 #使用索引 df.drop(df.columns[[0, 1, 2]], axis=1, inplace=True) # df.columns[ ] #直接使用索引查找列，删除前3列

#使用drop，有两种方法： #使用行名 df = df.drop(['行名1', '行名2']) # 默认axis=0 表示删除行 df.drop(['行名1', '行名2'], inplace=True) # inplace=True, 直接从内部删除 #使用索引 df.drop(df.index[[1, 3, 5]]) # df.index[ ]直接使用索引查找行，删除1,3，5行 df = df[df.index % 2 == 0]#删除偶数行

#在删除了行列数据后，造成索引混乱，可通过 reset_index重新生成连续索引 df.reset_index()#获得新的index，原来的index变成数据列，保留下来 df.reset_index(drop=True)#不想保留原来的index，使用参数 drop=True，默认 False df.reset_index(drop=True,inplace=True)#修改源文件 #使用某一列作为索引 df.set_index('column_name').head()

#每列的缺失数量 df.isnull().sum() #每列缺失占比 df3.isnull().sum()/df.shape[0] #每行的缺失数量 df3.isnull().sum(axis=1) #每行缺失占比 df3.isnull().sum(axis=1)/df.shape[1]

#按每行缺失值进行降序排序 df3.isnull().sum(axis=1).sort_values(ascending=False) #按每列缺失率进行降序排序 (df.isnull().sum()/df.isnull().count()).sort_values(ascending=False)