Python Pandas的使用

修改列数据：

df['price']=df['price'].str.replace('人均','') # 删除多余文字
df['price']=df['price'].str.split("￥").str[-1] # 分割文本串
df['price']=df['price'].str.replace('-','0') # 替换文本
df['price']=df['price'].astype(int) # 文本转整型

注意：了解df['xxx'].str成员的用法

切分列数据：

df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("环境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服务",'')

注意：pandas中操作如果不明确指定参数，则不会修改原数据，而是返回一个新对象。

删除列数据：

del df['commentlist']

排序列数据：

df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) 

注意：排序前先用astype转换正确的类型，如str、int或float

重新设置索引列标签顺序：

df.columns=['类型','店铺名称','点评数量','星级','人均消费','店铺地址','口味','环境','服务']

打印前几行数据：

print(df.loc[:,['店铺名称','口味','人均消费']].head(6))
# 或者 # print(df.iloc[0:6,[1,6,4]]) # 前6行（整数）
# 但不能是 # print(df.loc[0:6,['店铺名称','口味','人均消费']]) # 从索引0到索引6的行（对象）

注意：df.loc[]和df.iloc[]的区别

综合示例：

要求：

（1）对该数据中的comment、price进行数据清洗整理，????????????????????????????????????????????????????????????????????????????????????????????????

（2）将commentlist数据拆分为“口味”、“环境”和“服务”三列后再进行数据清洗整理，????????????????????????????????????????????????????????????????????????????????????????????????

（3）去除commentlist列数据????????????????????????????????????????????????????????????????????????????????????????????????

（4）将此数据按“口味”降序、“人均消费”升序进行排序，????????????????????????????????????????????????????????????????????????????????????????????????

（5）输出排序后前6条数据中的“店铺名称”、“口味”和“人均消费”三列数据。

代码：

import pandas as pd 
df=pd.read_csv('spdata.csv',encoding='gbk')  #读入文件，编码为gbk # 注意编码，重要

#对数据进行清洗
df['comment']=df['comment'].str.replace('条点评','')
df['price']=df['price'].str.replace('人均','')
df['price']=df['price'].str.split("￥").str[-1]
df['price']=df['price'].str.replace('-','0')
df['price']=df['price'].astype(int)
df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("环境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服务",'')
del df['commentlist']

#按口味降序，人均消费升序进行排序
df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) 
#重新设置列索引标签
df.columns=['类型','店铺名称','点评数量','星级','人均消费','店铺地址','口味','环境','服务']

print(df.loc[:,['店铺名称','口味','人均消费']].head(6))

方法二：

import pandas as pd
df=pd.read_csv('spdata.csv',encoding='gbk')

df['comment']=df['comment'].str.replace('条点评','')
df['price']=df['price'].str.replace('人均','').str.replace('￥','').str.replace('-','0').str.replace(' ','').astype(int)
df[['kw','hj','fw']]=df['commentlist'].str.replace('口味','').str.replace('环境','').str.replace('服务','').str.split(expand=True).astype(float) # expand将普通的列表转为DataFrame对象
del df['commentlist']

df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) # 注意inplace=True
df.columns=['类型','店铺名称','点评数量','星级','人均消费','店铺地址','口味','环境','服务']

print(df[['店铺名称','口味','人均消费']].head(6))

注意：df.str.split是列表，加了expand=True之后才是DataFrame对象，或者用.str[x]提取某一列，注意不是df.str.split()[x]而是df.str.split().str[x]，前者是对list（二维）操作，后者是对DataFrame操作（取某一列）