数据清洗python代码

数据清洗是数据分析过程中的重要一环，以下是一个简单的 Python 代码示例用于数据清洗：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 去除重复行
df = df.drop_duplicates()

# 去除空值
df = df.dropna()

# 去除异常值
df = df[(df['col'] >= min_value) & (df['col'] <= max_value)]

# 更改数据类型
df['col'] = df['col'].astype('int')

# 重命名列名
df = df.rename(columns={'old_col_name': 'new_col_name'})

# 重置索引
df = df.reset_index(drop=True)

# 保存数据
df.to_csv('cleaned_data.csv', index=False)

以上代码对数据进行了去重、去空、去异常、更改数据类型、重命名列名和重置索引等操作，并将清洗后的数据保存到了 CSV 文件中。在实际的数据清洗过程中，还需要根据具体情况进行其他的数据处理操作。

相关问题

excel数据清洗python代码

当涉及到Excel数据清洗时，Python中有很多强大的库可供使用，其中最常用的是pandas库。以下是一个简单的示例代码，展示了如何使用pandas库进行Excel数据清洗：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 进行数据清洗操作
# 例如，删除空值所在的行
df = df.dropna()

# 保存清洗后的数据到新的Excel文件
df.to_excel('cleaned_data.xlsx', index=False)

上述代码中，假设数据文件名为"data.xlsx"，首先使用`pd.read_excel()`函数读取Excel文件并将其存储在DataFrame对象`df`中。然后，使用`dropna()`函数删除包含空值的行。最后，使用`to_excel()`函数将清洗后的数据保存到新的Excel文件"cleaned_data.xlsx"中。

当然，这只是一个简单的示例代码，你可以根据自己的需求进行更复杂的数据清洗操作，比如处理重复值、填充缺失值、转换数据格式等。pandas库提供了丰富的功能和方法来帮助你完成这些任务。

风电NWP数据清洗python代码

以下是一个简单的风电NWP数据清洗的Python代码示例：

import pandas as pd
import numpy as np

# 读取原始数据文件
data = pd.read_csv('wind_nwp_data.csv')

# 删除重复行
data.drop_duplicates(inplace=True)

# 删除缺失值
data.dropna(inplace=True)

# 格式化时间列
data['time'] = pd.to_datetime(data['time'])

# 删除无用列
data = data.drop(['lat', 'lon'], axis=1)

# 重命名列
data = data.rename(columns={'u10': 'wind_speed', 'v10': 'wind_direction'})

# 转换风向数据
data['wind_direction'] = np.degrees(np.arctan2(data['wind_direction'], data['wind_speed']) + np.pi)

# 保存清洗后的数据
data.to_csv('clean_wind_nwp_data.csv', index=False)

该代码假设原始数据文件名为 `wind_nwp_data.csv`，包含以下列： 时间（time）、纬度（lat）、经度（lon）、10米高度风速（u10）和10米高度风向（v10）。

代码执行的数据清洗步骤包括：

- 删除重复行
- 删除缺失值
- 格式化时间列
- 删除无用列
- 重命名列
- 转换风向数据
- 保存清洗后的数据到文件 `clean_wind_nwp_data.csv` 中。