码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 大数据分析实践 | pandas数据质量分析


    文章目录

    • 📚数据质量评估的五个维度
    • 📚口袋妖怪数据质量分析
      • 🐇导入库和数据
      • 🐇检查数据
      • 🐇缺失值分析
      • 🐇重复值检测
      • 🐇异常值检测

    📚数据质量评估的五个维度

    在这里插入图片描述

    • Coherent: without semantic errors or contradictory data between attributes of an object
    • Correct: the extent to which data correctly portrays reality
    • Completeness: without missing (null) values in table fields
    • Currency: the degree to which data is up-to-date
    • Consistency: consistent data values for an entity between different tables

    在这里插入图片描述

    📚口袋妖怪数据质量分析

    🐇导入库和数据

    import pandas as pd
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   #忽略警告
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    url = r'./data/Pokemon.csv'
    data = pd.DataFrame(pd.read_csv(url))  #打开文件,读取数据
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    🐇检查数据

    # 输出前五行数据
    print('前五行数据:')
    print(data.head(5))
    
    • 1
    • 2
    • 3

    在这里插入图片描述


    # 输出最后三行数据
    print('后三行数据')
    print(data.tail(3))
    
    • 1
    • 2
    • 3

    在这里插入图片描述

    • 删除后两行 :data = data.iloc[:-2]

    # 查看列名
    print('列名:',data.columns)
    
    • 1
    • 2

    在这里插入图片描述

    # 查看行数与列数
    print('行数与列数:',data.shape)
    
    • 1
    • 2

    在这里插入图片描述

    # 展示index,datatype和memory相关信息
    print(data.info())
    
    • 1
    • 2

    在这里插入图片描述

    🐇缺失值分析

    raw, column = data.shape  
    if None:
        num = data[col].isnull().sum().sort_values()
    else:
        num = data.isnull().sum().sort_values() 
    print(None, r'缺失数')
    print(num)  
    print(None, r'缺失比例')
    print(num/raw)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    在这里插入图片描述
    在这里插入图片描述

    • 将所有缺失值填充为“null”:data = data.fillna("null")

    🐇重复值检测

    主要针对#列

    # 检查 'id' 列是否有重复值
    duplicate_ids = data.duplicated('#')
    # 获取所有具有重复 id 的行
    duplicate_rows = data[duplicate_ids]
    # 打印具有重复 id 的行
    print("具有重复 id 的行:")
    print(duplicate_rows)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

    在这里插入图片描述

    • 对于 # 重复的妖怪只保留第一条记录:data = data.drop_duplicates(['#'],keep='first')

    🐇异常值检测

    • 离群值
      data['Attack'] = data['Attack'].astype(float)
      data['Defense'] = data['Defense'].astype(float)
      data['Sp. Atk'] = data['Sp. Atk'].astype(float)
      data['Sp. Def'] = data['Sp. Def'].astype(float)
      data['Speed'] = data['Speed'].astype(float)
      data.boxplot(column=['Attack','Defense','Sp. Atk','Sp. Def','Speed'])
      plt.show()
      
      • 1
      • 2
      • 3
      • 4
      • 5
      • 6
      • 7
      在这里插入图片描述

    • 检查 Generation列是否存在非数字值

      non_numeric_generation = pd.to_numeric(data['Generation'], errors='coerce').isna()
      print(data[non_numeric_generation])
      
      • 1
      • 2

      在这里插入图片描述

      • data = data[~non_numeric_generation]

    • 检查 Legendary列除了TRUE和FALSE之外的值

      filtered_data = data[~data['Legendary'].isin(['TRUE', 'FALSE'])]
      print(filtered_data)
      
      • 1
      • 2

      在这里插入图片描述

      • data = data.drop(filtered_data.index)
  • 相关阅读:
    asp毕业设计—— 基于asp+access的网上动态同学录系统设计与实现(毕业论文+程序源码)——同学录系统
    Ubuntu 生成ffmpeg安卓全平台so
    NeRF OpenCV OpenGL COLMAP DeepVoxel坐标系朝向
    【云原生之Docker实战】使用Docker部署OrangeHRM人力资源管理系统
    遗传算法入门笔记
    从零开始:集成视频直播美颜SDK的步骤及注意事项
    南大通用数据库-Gbase-8a-学习-19-Gbase8a从Kafka订阅Topic消费数据
    [windows10]win10永久禁用系统自动更新操作方法
    java基础面试题
    文件上传漏洞靶场分析 UPLOAD_LABS
  • 原文地址:https://blog.csdn.net/m0_63398413/article/details/133937539
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号