Pandas五、数据类型和丢失值初窥：Pandas入门（五）：数据类型与缺失值处理

读入数据：

import pandas as pd reviews = pd.read_csv("winemag-data-130k-v2.csv", index_col=0)

1、查看 数据集  中评分列的数据类型

dtype = reviews.points.dtypedtype'''dtype('int64')'''

2、创建一个Series，其数据来自评分（points）中的项数，要求把这些项数转换成字符串型。提示：在python中string 是 “str”

point_strings = reviews.points.astype(str)

3、有时候价格（price）列是空的，那么我们怎么统计有多少空值？

# 第一种missing_price_reviews = reviews[reviews.price.isnull()]len(missing_price_reviews)# 第二种n_missing_prices = reviews.price.isnull().sum()# 第三种n_missing_prices = pd.isnull(reviews.price).sum()'''8996'''

4、创建一个序列Series，它能够统计在region_1中的值出现的次数。需要注意的是用Unknown替换丢失的值，并降序排序。输出应有下面的样子：

'''Unknown 21247Napa Valley 4480 ... Bardolino Superiore 1Primitivo del Tarantino 1Name: region_1, Length: 1230, dtype: int64'''

我们先来处理空值，使用pandas的fillna能够让我们替代空值。下面我们用Unknown替换Nan丢失的值。

reviews_per_region = reviews.region_1.fillna('Unknown')reviews_per_region'''0 Etna1 Unknown2 Willamette Valley3 Lake Michigan Shore4 Willamette Valley5 Navarra6 Vittoria7 Alsace8 Unknown9 Alsace10 Napa Valley11 Alsace12 Alexander Valley ...'''

蓝后再统计有多少这样的这些项。这里要用到value_counts()这个函数。

reviews_per_region = reviews.region_1.fillna('Unknown').value_counts()type(reviews.region_1.fillna('Unknown'))reviews_per_region'''pandas.core.series.SeriesUnknown 21247Napa Valley 4480Columbia Valley (WA) 4124Russian River Valley 3091California 2629Paso Robles 2350Mendoza 2301Willamette Valley 2301Alsace 2163Champagne 1613Barolo 1599Finger Lakes 1565 ...'''

最后再进行降序排序：

reviews_per_region = reviews.region_1.fillna('Unknown').value_counts().sort_values(ascending=False)# type(reviews.region_1.fillna('Unknown'))reviews_per_region'''Unknown 21247Napa Valley 4480Columbia Valley (WA) 4124Russian River Valley 3091California 2629Paso Robles 2350Mendoza 2301Willamette Valley 2301Alsace 2163Champagne 1613Barolo 1599'''

注明：

以上数据来自kaggle learn

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删