赞
踩
#设置bins,和分组名称
bins=[-10,7091,10952,17656,37556]
groups=[“较差”,“中等”,“较好”,“非常好”]
#使用cut分组
#sale_area[“分组”]=pd.cut(sale_area[“利润”],bins,labels=groups)
7、对比两列差异
因为这表每列数据维度都不一样,比较起来没啥意义,所以我先做了个订单明细号的差异再进行比较。
需求:比较订单明细号与订单明细号2的差异并显示出来。
sale[“订单明细号2”]=sale[“订单明细号”]
#在订单明细号2里前10个都+1.
sale[“订单明细号2”][1:10]=sale[“订单明细号2”][1:10]+1
#差异输出
result=sale.loc[sale[“订单明细号”].isin(sale[“订单明细号2”])==False]
8、异常值替换
首先用describe()函数简单查看一下数据有无异常值。
#可看到销项税有负数,一般不会有这种情况,视它为异常值。
sale.describe()
需求
用0代替异常值。
sale[“订单金额”]=sale[“订单金额”].replace(min(sale[“订单金额”]),0)
9、缺失值处理
先查看销售数据哪几列有缺失值
#列的行数小于index的行数的说明有缺失值,这里客户名称329<335,说明有缺失值
sale.info()
需求
用0填充缺失值或则删除有客户编码缺失值的行
实际上缺失值处理的办法是很复杂的,这里只介绍简单的处理方法,若是数值变量,最常用平均数或中位数或众数处理,比较复杂的可以用随机森林模型根据其他维度去预测结果填充。
若是分类变量,根据业务逻辑去填充准确性比较高。
比如这里的需求填充客户名称缺失值:就可以根据存货分类出现频率最大的存货所对应的客户名称去填充。
这里我们用简单的处理办法:用0填充缺失值或则删除有客户编码缺失值的行。
#用0填充缺失值
sale[“客户名称”]=sale[“客户名称”].fillna(0)
#删除有客户编码缺失值的行
sale.dropna(subset=[“客户编码”])
10、数据分列
需求
将日期与时间分列
sale=pd.merge(sale,pd.DataFrame(sale[“单据日期”].str.split(" ",expand=True)),how=“inner”,left_index=True,right_index=True)
11、 模糊筛选数据
需求
筛选存货名称含有"三星"或则含有"索尼"的信息
sale.loc[sale[“存货名称”].str.contains(“三星|索尼”)]
12、删除数据间的空格
需求
删除存货名称两边的空格
sale[“存货名称”].map(lambda s
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。