Python中的資料規整技巧

Python是一門廣泛應用於資料科學領域的高階程式語言，在資料收集、清洗、分析和視覺化方面都有廣泛應用。資料規整是資料處理的核心技能，本文將介紹Python中一些常用的資料規整技巧，幫助讀者更好地處理和分析資料。

1. 資料型別轉換

在資料規則的過程中，常需要將不同的資料型別轉換，常見的資料型別包括字串、整數、浮點數和布林值等。 Python中提供了強大的型別轉換函數，如int()、float()、str()、bool()等，可以將一個資料型別轉換為另一個資料型別，例如：

# 将字符串转换成整数
age_str = '18'
age_int = int(age_str)

# 将整数转换成字符串
age_int = 18
age_str = str(age_int)

# 将浮点数转换成整数
height_float = 1.75
height_int = int(height_float)

# 将整数转换成布尔值
num = 0
is_zero = bool(num)     # False

2. 資料去重

當處理大量資料時，可能會出現重複資料的情況，需要使用資料去重技巧。 Python中使用set()函數可以快速地移除清單中的重複元素，例如：

# 去除列表中的重复元素
lst = [1, 2, 3, 2, 4, 1]
lst_unique = list(set(lst))
print(lst_unique)       # [1, 2, 3, 4]

3. 資料填入

在資料規整的過程中，有時需要將缺失值進行填充，以便更好地進行後續處理。 Python中使用fillna()函數可以方便地進行資料填充，例如：

# 对缺失值进行填充
import pandas as pd

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'],
                   'age': [18, None, 21],
                   'gender': ['F', 'M', None]})

df_fill = df.fillna(value={'age': df['age'].mean(),
                           'gender': 'U'})
print(df_fill)

輸出結果如下：

       name   age gender
0     Alice  18.0      F
1       Bob  19.5      M
2  Charlie  21.0      U

4. 資料重塑

##在在資料規整的過程中，可能需要進行資料重塑，以便更好地進行後續處理。 Python中使用pivot()函數可以方便地進行資料重塑，例如：

# 数据重塑
import pandas as pd

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'],
                   'gender': ['F', 'M', 'M'],
                   'subject': ['Math', 'Math', 'English'],
                   'score': [90, 87, 88]})

df_res = df.pivot(index='name', columns='subject', values='score')
print(df_res)

輸出結果如下：

subject  English  Math
name                  
Alice        NaN  90.0
Bob          NaN  87.0
Charlie     88.0   NaN

資料合併
5. ##在實際操作中，資料通常儲存在不同的表格中，需要進行資料合併。 Python中使用merge()函數可以方便地進行資料合併，例如：

# 数据合并
import pandas as pd

df1 = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'],
                    'age': [18, 19, 21],
                    'gender': ['F', 'M', 'M']})
df2 = pd.DataFrame({'name': ['Alice', 'Bob'],
                    'score': [90, 87]})

df_merge = pd.merge(df1, df2, on='name')
print(df_merge)

輸出結果如下：

       name  age gender  score
0     Alice   18      F     90
1       Bob   19      M     87

綜上所述，Python中的資料規則技巧包含資料型別轉換、資料去重、資料填充、資料重塑和資料合併等。這些技巧可以幫助讀者更好地處理和分析數據，並提高數據處理的效率和精確度。

以上是Python中的資料規整技巧的詳細內容。更多資訊請關注PHP中文網其他相關文章！