这篇文章主要介绍“怎么用python实现文件读写和数据清洗”，在日常操作中，相信很多人在怎么用python实现文件读写和数据清洗问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用python实现文件读写和数据清洗”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
一、文件操作
pandas内置了10多种数据源读取函数,常见的就是CSV和EXCEL
使用read_csv方法读取，结果为dataframe格式
在读取csv文件时，文件名称尽量是英文
读取csv时，注意编码，常用编码为utf-8、gbk 、gbk2312和gb18030等
使用to_csv方法快速保存
1.1 csv文件读写
#读取文件，以下两种方式：
#使用pandas读入需要处理的表格及sheet页
import pandas as pd
df = pd.read_csv("test.csv",sheet_name='sheet1') #默认是utf-8编码
#或者使用with关键字
with open("test.csv",encoding="utf-8")as df:
#按行遍历
for row in df:
#修正
row = row.replace('阴性','0').replace('00.','0.')
...
print(row)
#将处理后的结果写入新表
#建议用utf-8编码或者中文gbk编码,默认是utf-8编码,index=False表示不写出行索引
df.to_csv('df_new.csv',encoding='utf-8',index=False)1.2 excel文件读写
#读入需要处理的表格及sheet页
df = pd.read_excel('测试.xlsx',sheet_name='test')
df = pd.read_excel(r'测试.xlsx') #默认读入第一个sheet
#将处理后的结果写入新表
df1.to_excel('处理后的数据.xlsx',index=False)二、数据清洗
2.1 删除空值
# 删除空值行 # 使用索引 df.dropna(axis=0,how='all')#删除全部值为空的行 df_1 = df[df['价格'].notna()] #删除某一列值为空的行 df = df.dropna(axis=0,how='all',subset=['1','2','3','4','5'])# 这5列值均为空，删除整行 df = df.dropna(axis=0,how='any',subset=['1','2','3','4','5'])#这5列值任何出现一个空，即删除整行
2.2 删除不需要的列
# 使用del, 一次只能删除一列，不能一次删除多列 del df['sample_1'] #修改源文件，且一次只能删除一个 del df[['sample_1', 'sample_2']] #报错 #使用drop，有两种方法： #使用列名 df = df.drop(['sample_1', 'sample_2'], axis=1) # axis=1 表示删除列 df.drop(['sample_1', 'sample_2'], axis=1, inplace=True) # inplace=True, 直接从内部删除 #使用索引 df.drop(df.columns[[0, 1, 2]], axis=1, inplace=True) # df.columns[ ] #直接使用索引查找列，删除前3列
2.3 删除不需要的行
#使用drop，有两种方法： #使用行名 df = df.drop(['行名1', '行名2']) # 默认axis=0 表示删除行 df.drop(['行名1', '行名2'], inplace=True) # inplace=True, 直接从内部删除 #使用索引 df.drop(df.index[[1, 3, 5]]) # df.index[ ]直接使用索引查找行，删除1,3，5行 df = df[df.index % 2 == 0]#删除偶数行
2.4 重置索引
#在删除了行列数据后，造成索引混乱，可通过 reset_index重新生成连续索引
df.reset_index()#获得新的index，原来的index变成数据列，保留下来
df.reset_index(drop=True)#不想保留原来的index，使用参数 drop=True，默认 False
df.reset_index(drop=True,inplace=True)#修改源文件
#使用某一列作为索引
df.set_index('column_name').head()2.5 统计缺失
#每列的缺失数量 df.isnull().sum() #每列缺失占比 df3.isnull().sum()/df.shape[0] #每行的缺失数量 df3.isnull().sum(axis=1) #每行缺失占比 df3.isnull().sum(axis=1)/df.shape[1]
2.6 排序
#按每行缺失值进行降序排序 df3.isnull().sum(axis=1).sort_values(ascending=False) #按每列缺失率进行降序排序 (df.isnull().sum()/df.isnull().count()).sort_values(ascending=False)