将名为sales_data的csv文件中的STATE列中的缺失值以及乱码进行处理,用python代码怎么实现
时间: 2024-03-27 08:39:57 浏览: 132
Python数据分析中缺失值处理方法
5星 · 资源好评率100%
可以使用pandas库来读取csv文件,并使用fillna()方法填充缺失值,使用str.replace()方法替换乱码。
代码示例:
```python
import pandas as pd
# 读取csv文件
df = pd.read_csv('sales_data.csv')
# 填充缺失值为Unknown
df['STATE'].fillna('Unknown', inplace=True)
# 替换乱码为Unknown
df['STATE'] = df['STATE'].str.replace('[^a-zA-Z\s]', 'Unknown')
# 保存处理后的数据到新的csv文件
df.to_csv('sales_data_cleaned.csv', index=False)
```
其中,`fillna()`方法用于填充缺失值,`inplace=True`表示直接在原DataFrame对象中修改,而不是返回一个新的对象;`str.replace()`方法用于替换乱码,`[^a-zA-Z\s]`表示匹配非字母和空格的字符。最后,使用`to_csv()`方法将处理后的数据保存到新的csv文件中。
阅读全文