iis服务器助手广告广告
返回顶部
首页 > 资讯 > 后端开发 > Python >五个简单有效的Python清理数据脚本分享
  • 858
分享到

五个简单有效的Python清理数据脚本分享

2024-04-02 19:04:59 858人浏览 独家记忆

Python 官方文档:入门教程 => 点击学习

摘要

目录将 pdf 转换为 CSV合并 CSV 文件从 CSV 文件中删除重复的行拆分 CSV 列合并不同的数据集最后将 PDF 转换为 CSV 在机器学习中,我们应该少一些&ldqu

将 PDF 转换为 CSV

机器学习中,我们应该少一些“数据清理”,多一些“数据准备”。当我们需要从白皮书、电子书或其他PDF文档中抓取数据时,这个脚本为我节省了很多时间。

import tabula
#获取文件
pdf_filename = input ("Enter the full path and filename: ")
# 提取PDF的内容
frame = tabula.read_pdf(pdf_filename,  encoding = 'utf-8', pages='all')
#根据内容创建CSV文件
frame.to_csv('pdf_conversion.csv')

这是一种相对简单的快速提取数据的方法,可以在将数据导入机器学习数据库、Tableau或Count等工具

合并 CSV 文件

许多系统会提供导出到CSV选项,但是没有办法在导出数据之前首先合并数据。这可能导致5个以上的文件导出到一个文件夹,这些文件包含相同的数据类型。该python脚本通过获取这些文件)并将它们合并到一个文件中来解决这个问题。

from time import strftime
import pandas as pd
import glob
# 定义包含CSV文件的文件夹的路径
path = input('Please enter the full folder path: ')
#确保后面有一个斜杠
if path[:-1] != "/":
    path = path + "/"
#以列表形式获取CSV文件
csv_files = glob.glob(path + '*.csv')
#打开每个CSV文件并合并为一个文件
merged_file = pd.concat( [ pd.read_csv(c) for c in csv_files ] )
#创建新文件
merged_file.to_csv(path + 'merged_{}.csv'.fORMat(strftime("%m-%d-%yT%H:%M:%S")), index=False)
print('Merge complete.')

最终输出将为您提供一个 CSV 文件,其中包含您从源系统导出的 CSV 列表中的所有数据。

从 CSV 文件中删除重复的行

如果您需要从CSV文件中删除重复的数据行,这可以帮助您快速执行清理操作。当机器学习数据集中拥有重复数据时,这会直接影响可视化工具或机器学习项目中的结果。

import pandas as pd
# 获取文件名
filename = input('filename: ')
#定义要检查是否重复的CSV列名
duplicate_header = input('header name: ')
#获取文件的内容
file_contents = pd.read_csv(filename)
# 删除重复的行
deduplicated_data = file_contents.drop_duplicates(subset=[duplicate_header], keep="last", inplace=True)
#创建新文件
deduplicated_data.to_csv('deduplicated_data.csv')

拆分 CSV 列

当从其他系统导出文件时,它有时会包含一列数据,而我们需要将其作为两列。

import pandas as pd
#获取文件名并定义列
filename = input('filename: ')
col_to_split = input('column name: ')
col_name_one = input('first new column: ')
col_name_two = input('second new column: ')
#将CSV数据添加到dataframe中
df = pd.read_csv(filename)
# 拆分列
df[[col_name_one,col_name_two]] = df[col_to_split].str.split(",", expand=True)
#创建新csv文件
df.to_csv('split_data.csv')

合并不同的数据集

假设您有一个帐户列表和与其关联的订单,并希望查看订单历史以及关联的帐户详细信息。一个很好的方法就是通过合并数据到一个CSV文件。

import pandas as pd
#获取文件名并定义用户输入
left_filename = input('LEFT filename: ')
right_filename = input('RIGHT filename: ')
join_type = input('join type (outer, inner, left, right): ')
join_column_name = input('column name(i.e. Account_ID): ')
#读取文件到dataframes
df_left = pd.read_csv(left_filename)
df_right = pd.read_csv(right_filename)
#加入dataframes
joined_data = pd.merge(left = df_left, right = df_right, how = join_type, on = join_column_name)
#创建新的csv文件
joined_data.to_csv('joined_data.csv')

最后

这些脚本可以有效帮助我们进行自动化清理数据,然后可以将清理后的数据加载到机器学习模型中进行处理。Pandas是操作数据的首选库,因为它提供了许多的选项。

以上就是五个简单有效的Python清理数据脚本分享的详细内容,更多关于Python清理数据的资料请关注编程网其它相关文章!

--结束END--

本文标题: 五个简单有效的Python清理数据脚本分享

本文链接: https://www.lsjlt.com/news/120448.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑,方便收藏和打印~

下载Word文档
猜你喜欢
  • 五个简单有效的Python清理数据脚本分享
    目录将 PDF 转换为 CSV合并 CSV 文件从 CSV 文件中删除重复的行拆分 CSV 列合并不同的数据集最后将 PDF 转换为 CSV 在机器学习中,我们应该少一些&ldqu...
    99+
    2024-04-02
  • 用于清理数据的五个简单有效 Python 脚本
    将 PDF 转换为 CSV在机器学习中,我们应该少一些“数据清理”,多一些“数据准备”。当我们需要从白皮书、电子书或其他PDF文档中抓取数据时,这个脚本为我节省了很多时间。import tabula #获取文件 pdf_filename =...
    99+
    2023-05-14
    机器学习 Python 脚本
  • 13个简便高效的Python脚本分享
    目录1.使用 Python 进行速度测试2.在谷歌上搜索3.制作网络机器人4.获取歌曲歌词5.获取照片的Exif数据6.提取图像中的 OCR 文本7.将照片转换为Cartonize8...
    99+
    2023-01-06
    Python脚本分享 Python脚本
  • 十个简单使用的Python自动化脚本分享
    目录1.给照片添加水印2.检测文本文件的相似性3.对文件内容进行加 密4.将照片转换为PDF5.修改照片的长与宽6.对于照片的其他操作7.测试网速8.货币汇率的转换9.生成...
    99+
    2024-04-02
  • 分享3个简单的Python代码高效运行技巧
    目录1. 引言2. 获取字典的值3. 循环中使用enumerate4. 使用f-strings来拼接和打印字符串5. 总结1. 引言 小伙伴们日常工作中都必不可少地使用Python实...
    99+
    2024-04-02
  • 分享十个Python提高工作效率的自动化脚本
    目录01、解析和提取 HTML02、二维码扫描仪03、截图04、创建有声读物05、PDF 编辑器06、迷你 Stackoverflow07、自动化手机08、监控 CPU/GPU 温度...
    99+
    2024-04-02
  • Python操作MySQL数据库的简单步骤分享
    前言 现在Python越来越被大众所使用,特别是进入AI人工智能时代,对编程要求更加高效根据快捷,所以Python也经常成为人工智和大数据编程的重要语音。既然是编程语言就多多少少会需...
    99+
    2024-04-02
  • Java实现json数据处理的常用脚本分享
    目录一、工具的使用推荐1、获取到请求url(接口的形式-一般数据都是json)2、获取到目标url(是json数据格式)3、小细节二、网页的Json数据和java代码的Map数据三、...
    99+
    2023-03-02
    Java json数据处理脚本 Java json数据处理 Java json数据
  • 一键备份MySQL数据库的批处理脚本分享
    这篇文章主要讲解了“一键备份MySQL数据库的批处理脚本分享”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“一键备份MySQL数据库的批处理脚本分享”吧!将如下代码另存为.bat文件 代码如下...
    99+
    2023-06-08
  • Python数据处理的三个实用技巧分享
    目录1 Pandas 移除某列2 统计标题单词数3 Genre 频次统计我使用的 Pandas 版本如下,顺便也导入 Pandas 库。 >>> import pa...
    99+
    2024-04-02
  • 进行数据处理的6个 Python 代码块分享
    目录1、选取有空值的行2、快速替换列值3、对列进行分区4、将一列分为多列5、中文筛选6、更改列的位置前言: 大家好,今天和大家分享自己总结的6个常用的 Python 数据处理代码,对...
    99+
    2024-04-02
  • 使用Python加速数据分析的10个简单技巧分别是什么
    这期内容当中小编将会给大家带来有关使用Python加速数据分析的10个简单技巧分别是什么,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。提示和技巧,尤其是在编程领域,可能是非常有用的。有时,一个小技巧可以节...
    99+
    2023-06-16
  • 简单且有用的Python数据分析和机器学习代码
    为什么选择Python进行数据分析? Python是一门动态的、面向对象的脚本语言,同时也是一门简约,通俗易懂的编程语言。Python入门简单,代码可读性强,一段好的Python代码...
    99+
    2024-04-02
  • python基于scrapy爬取京东笔记本电脑数据并进行简单处理和分析
    目录一、环境准备二、问题分析三、spider四、item五、setting六、pipelines七、middlewares八、使用jupyter进行简单的处理和分析一、环境准备 ...
    99+
    2024-04-02
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作