Rensa och komma åt data
Arbeta med kategoriska data i Python
Kasey Jones
Research Data Scientist
Möjliga problem med kategoriska data
1) Inkonsekventa värden: "Ham", "ham", " Ham"
2) Felstavade värden: "Ham", "Hma"
3) Fel dtype: df['Our Column'].dtype
dtype('O')
Identifiera problem
Använd antingen:
Series.cat.categoriesSeries.value_counts()
dogs["get_along_cats"].value_counts()
No 2503
yes 275
no 156
Noo 2
NO 1
Åtgärda problem: blanksteg
Ta bort blanksteg: .strip()
dogs["get_along_cats"] = dogs["get_along_cats"].str.strip()
Kontrollera frekvenserna:
dogs["get_along_cats"].value_counts()
No 2503
yes 275
no 156
Noo 2
NO 1 # < ---- no more whitespace
Åtgärda problem: skiftläge
Skiftläge: .title(), .upper(), .lower()
dogs["get_along_cats"] = dogs["get_along_cats"].str.title()
Kontrollera frekvenserna:
dogs["get_along_cats"].value_counts()
No 2660
Yes 275
Noo 2
Åtgärda problem: felstavade ord
Rätta stavfel med .replace()
replace_map = {"Noo": "No"}
dogs["get_along_cats"].replace(replace_map, inplace=True)
Kontrollera frekvenserna:
dogs["get_along_cats"].value_counts()
No 2662
Yes 275
Kontrollera datatypen
Kontrollera dtype
dogs["get_along_cats"].dtype
dtype('O')
Konvertera tillbaka till en kategori
dogs["get_along_cats"] = dogs["get_along_cats"].astype("category")
Använda str-accessorobjektet
Söka efter en sträng
dogs["breed"].str.contains("Shepherd", regex=False)
0 False
1 False
2 False
...
2935 False
2936 True
Komma åt data med loc
Hämta Series-värden baserat på kategori
dogs.loc[dogs["get_along_cats"] == "Yes", "size"]
Antal per värde i Series:
dogs.loc[dogs["get_along_cats"] == "Yes", "size"].value_counts(sort=False)
small 69
medium 169
large 37
Nu kör vi en övning!
Arbeta med kategoriska data i Python
