用pandas处理mongodb中评分和评论人数的数据进行数据预处理

时间: 2024-02-13 12:04:37 浏览: 23
如果你已经将从豆瓣读书网爬取的评分和评论人数数据存储到了MongoDB中,可以使用pandas库从MongoDB中获取数据并进行数据预处理。下面是一个简单的示例代码,假设你已经安装了pymongo和pandas库: ```python import pymongo import pandas as pd # 连接MongoDB数据库 client = pymongo.MongoClient('mongodb://localhost:27017/') db = client['douban_book'] # 数据库名 collection = db['book_info'] # 集合名 # 从MongoDB中获取评分和评论人数数据 data = pd.DataFrame(list(collection.find({}, {'_id':0, 'score':1, 'comment_count':1}))) # 数据清洗 data = data.dropna() # 删除缺失值 # 数据标准化 data['score'] = (data['score'] - data['score'].min()) / (data['score'].max() - data['score'].min()) # 数据归一化 data['comment_count'] = (data['comment_count'] - data['comment_count'].min()) / (data['comment_count'].max() - data['comment_count'].min()) # 数据转换 data['score'] = data['score'].apply(lambda x: np.log10(x+1)) data['comment_count'] = data['comment_count'].apply(lambda x: np.sqrt(x)) # 保存处理后的数据到MongoDB中 collection_processed = db['book_info_processed'] # 新的集合名 collection_processed.insert_many(data.to_dict('records')) # 打印处理后的数据 print(data.head()) ``` 上述代码中,通过pymongo连接MongoDB数据库,并从集合`book_info`中获取评分和评论人数数据。然后对数据进行清洗、标准化、归一化和转换等预处理操作,最后将处理后的数据保存到MongoDB中的集合`book_info_processed`中。

相关推荐

最新推荐

recommend-type

使用Python Pandas处理亿级数据的方法

主要介绍了使用Python Pandas处理亿级数据的方法,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

Pandas 数据处理,数据清洗详解

今天小编就为大家分享一篇Pandas 数据处理,数据清洗详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

使用Python(pandas库)处理csv数据

使用Python(pandas)处理数据 原始数据和处理之后的样式 图中为一个csv文件,待处理的csv文件总共有2410个 原始数据 处理样式 1.导入os、pandas和numpy库 import os import pandas as pd import numpy as np 2.筛选...
recommend-type

python数据预处理(1)———缺失值处理

在此对利用Python进行预处理数据做一个总结归纳。 首先是缺失值处理。 #读取数据 import pandas as pd filepath= 'F:/...'#本地文件目录 df= pd.read_csv(train,sep=',')#df数据格式为DataFrame 查看缺失值 查看每...
recommend-type

pandas实现excel中的数据透视表和Vlookup函数功能代码

今天小编就为大家分享一篇pandas实现excel中的数据透视表和Vlookup函数功能代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。