Python数据分析基础与应用电子活页5-5清洗超出范围的错误数据.docx

Python数据分析基础与应用

模块

PAGE2

PAGE21

电子活页5-5清洗超出范围的错误数据

【技能训练5-7】清洗超出范围的错误数据

【训练要求】

在JupyterNotebook开发环境中创建j5-07.ipynb，然后编写代码清洗超出范围的错误数据。

【实施过程】

（1）替换指定的错误数据

代码如下：

importpandasaspd

data2={name:[安静,路远,温暖,向北],

sex:[女,男,田,女],

age:[21,200,19,22],

score:[71,80,89,192]}

df2=pd.DataFrame(data2)

#修改数据

df2.loc[1,age]=20

df2.loc[2,sex]=男

df2.loc[3,score]=92

df2

输出结果：

（2）批量替换符合条件的错误数据

代码如下：

importpandasaspd

data3={name:[安静,路远,温暖,向北],

sex:[女,男,男,女],

age:[21,200,19,22],

score:[71,80,189,192]}

df3=pd.DataFrame(data3)

#修改数据

foritemindf3.index:

ifdf3.loc[item,age]60:

df3.loc[item,age]=20

foritemindf3.index:

ifdf3.loc[item,score]100:

df3.loc[item,score]=df3.loc[item,score]-100

df3

输出结果：

（3）删除错误数据所在行

代码如下：

importpandasaspd

data4={name:[安静,路远,温暖,向北],

sex:[女,男,男,女],

age:[21,200,19,22],

score:[71,80,189,192]}

df4=pd.DataFrame(data4)

#修改数据

foritemindf4.index:

ifdf4.loc[item,age]60:

df4.drop(item,inplace=True)

foritemindf4.index:

ifdf4.loc[item,score]100:

df4.drop(item,inplace=True)

df4

输出结果：