11 | 数据科学家80%时间都花费在了这些清洗任务上？

我们在上一节中讲了数据采集，以及相关的工具使用，但做完数据采集就可以直接进行挖掘了吗？肯定不是的。

就拿做饭打个比方吧，对于很多人来说，热油下锅、掌勺翻炒一定是做饭中最过瘾的环节，但实际上炒菜这个过程只占做饭时间的20%，剩下80%的时间都是在做准备，比如买菜、择菜、洗菜等等。

在数据挖掘中，数据清洗就是这样的前期准备工作。对于数据科学家来说，我们会遇到各种各样的数据，在分析前，要投入大量的时间和精力把数据“整理裁剪”成自己想要或需要的样子。

为什么呢？因为我们采集到的数据往往有很多问题。

我们先看一个例子，假设老板给你以下的数据，让你做数据分析，你看到这个数据后有什么感觉呢？

你刚看到这些数据可能会比较懵，因为这些数据缺少标注。

我们在收集整理数据的时候，一定要对数据做标注，数据表头很重要。比如这份数据表，就缺少列名的标注，这样一来我们就不知道每列数据所代表的含义，无法从业务中理解这些数值的作用，以及这些数值是否正确。但在实际工作中，也可能像这个案例一样，数据是缺少标注的。

我简单解释下这些数据代表的含义。

这是一家服装店统计的会员数据。最上面的一行是列坐标，最左侧一列是行坐标。

列坐标中，第0列代表的是序号，第1列代表的会员的姓名，第2列代表年龄，第3列代表体重，第4~6列代表男性会员的三围尺寸，第7~9列代表女性会员的三围尺寸。

了解含义以后，我们再看下中间部分具体的数据，你可能会想，这些数据怎么这么“脏乱差”啊，有很多值是空的（NaN），还有空行的情况。

是的，这还仅仅是一家商店的部分会员数据，我们一眼看过去就能发现一些问题。日常工作中的数据业务会复杂很多，通常我们要统计更多的数据维度，比如100个指标，数据量通常都是超过TB、EB级别的，所以整个数据分析的处理难度是呈指数级增加的。这个时候，仅仅通过肉眼就很难找到问题所在了。

我举了这样一个简单的例子，带你理解在数据分析之前为什么要有数据清洗这个重要的准备工作。有经验的数据分析师都知道，好的数据分析师必定是一名数据清洗高手，要知道在整个数据分析过程中，不论是在时间还是功夫上，数据清洗大概都占到了80%。

数据质量的准则

在上面这个服装店会员数据的案例中，一看到这些数据，你肯定能发现几个问题。你是不是想知道，有没有一些准则来规范这些数据的质量呢？

准则肯定是有的。不过如果数据存在七八种甚至更多的问题，我们很难将这些规则都记住。有研究说一个人的短期记忆，最多可以记住7条内容或信息，超过7条就记不住了。而数据清洗要解决的问题，远不止7条，我们万一漏掉一项该怎么办呢？有没有一种方法，我们既可以很方便地记住，又能保证我们的数据得到很好的清洗，提升数据质量呢？

在这里，我将数据清洗规则总结为以下4个关键点，统一起来叫“完全合一”，下面我来解释下。

完整性：单条数据是否存在空值，统计的字段是否完善。
全面性：观察某一列的全部数值，比如在Excel表中，我们选中一列，可以看到该列的平均值、最大值、最小值。我们可以通过常识来判断该列是否有问题，比如：数据定义、单位标识、数值本身。
合法性：数据的类型、内容、大小的合法性。比如数据中存在非ASCII字符，性别存在了未知，年龄超过了150岁等。
唯一性：数据是否存在重复记录，因为数据通常来自不同渠道的汇总，重复的情况是常见的。行数据、列数据都需要是唯一的，比如一个人不能重复记录多次，且一个人的体重也不能在列指标中重复记录多次。

在很多数据挖掘的教学中，数据准则通常会列出来7~8项，在这里我们归类成了“完全合一”4项准则，按照以上的原则，我们能解决数据清理中遇到的大部分问题，使得数据标准、干净、连续，为后续数据统计、数据挖掘做好准备。如果想要进一步优化数据质量，还需要在实际案例中灵活使用。

清洗数据，一一击破

了解了数据质量准则之后，我们针对上面服装店会员数据案例中的问题进行一一击破。

这里你就需要Python的Pandas工具了。这个工具我们之前介绍过。它是基于NumPy的工具，专门为解决数据分析任务而创建。Pandas 纳入了大量库，我们可以利用这些库高效地进行数据清理工作。

这里我补充说明一下，如果你对Python还不是很熟悉，但是很想从事数据挖掘、数据分析相关的工作，那么花一些时间和精力来学习一下Python是很有必要的。Python拥有丰富的库，堪称数据挖掘利器。当然了，数据清洗的工具也还有很多，这里我们只是以Pandas为例，帮你应用数据清洗准则，带你更加直观地了解数据清洗到底是怎么回事儿。

下面，我们就依照“完全合一”的准则，使用Pandas来进行清洗。

1. 完整性

问题1：缺失值

在数据中有些年龄、体重数值是缺失的，这往往是因为数据量较大，在过程中，有些数值没有采集到。通常我们可以采用以下三种方法：

删除：删除数据缺失的记录；
均值：使用当前列的均值；
高频：使用当前列出现频率最高的数据。

比如我们想对df[‘Age’]中缺失的数值用平均年龄进行填充，可以这样写：

df['Age'].fillna(df['Age'].mean(), inplace=True)

如果我们用最高频的数据进行填充，可以先通过value_counts获取Age字段最高频次age_maxf，然后再对Age字段中缺失的数据用age_maxf进行填充：

age_maxf = train_features['Age'].value_counts().index[0]
train_features['Age'].fillna(age_maxf, inplace=True)

问题2：空行

我们发现数据中有一个空行，除了 index 之外，全部的值都是 NaN。Pandas 的 read_csv() 并没有可选参数来忽略空行，这样，我们就需要在数据被读入之后再使用 dropna() 进行处理，删除空行。

# 删除全空的行
df.dropna(how='all',inplace=True)

2. 全面性

问题：列数据的单位不统一

观察weight列的数值，我们能发现weight 列的单位不统一。有的单位是千克（kgs），有的单位是磅（lbs）。

这里我使用千克作为统一的度量单位，将磅（lbs）转化为千克（kgs）：

# 获取 weight 数据列中单位为 lbs 的数据
rows_with_lbs = df['weight'].str.contains('lbs').fillna(False)
print df[rows_with_lbs]
# 将 lbs转换为 kgs, 2.2lbs=1kgs
for i,lbs_row in df[rows_with_lbs].iterrows():
	# 截取从头开始到倒数第三个字符之前，即去掉lbs。
	weight = int(float(lbs_row['weight'][:-3])/2.2)
	df.at[i,'weight'] = '{}kgs'.format(weight)

3. 合理性

问题：非ASCII字符

我们可以看到在数据集中 Firstname 和 Lastname 有一些非 ASCII 的字符。我们可以采用删除或者替换的方式来解决非ASCII问题，这里我们使用删除方法：

# 删除非 ASCII 字符
df['first_name'].replace({r'[^\x00-\x7F]+':''}, regex=True, inplace=True)
df['last_name'].replace({r'[^\x00-\x7F]+':''}, regex=True, inplace=True)

4. 唯一性

问题1：一列有多个参数

在数据中不难发现，姓名列（Name）包含了两个参数 Firstname 和 Lastname。为了达到数据整洁目的，我们将 Name 列拆分成 Firstname 和 Lastname两个字段。我们使用Python的split方法，str.split(expand=True)，将列表拆成新的列，再将原来的 Name 列删除。

# 切分名字，删除源数据列
df[['first_name','last_name']] = df['name'].str.split(expand=True)
df.drop('name', axis=1, inplace=True)

问题2：重复数据

我们校验一下数据中是否存在重复记录。如果存在重复记录，就使用 Pandas 提供的 drop_duplicates() 来删除重复数据。

# 删除重复数据行
df.drop_duplicates(['first_name','last_name'],inplace=True)

这样，我们就将上面案例中的会员数据进行了清理，来看看清理之后的数据结果。怎么样？是不是又干净又标准？

养成数据审核的习惯

现在，你是不是能感受到数据问题不是小事，上面这个简单的例子里都有6处错误。所以我们常说，现实世界的数据是“肮脏的”，需要清洗。

第三方的数据要清洗，自有产品的数据，也需要数据清洗。比如美团自身做数据挖掘的时候，也需要去除爬虫抓取，作弊数据等。可以说没有高质量的数据，就没有高质量的数据挖掘，而数据清洗是高质量数据的一道保障。

当你从事这方面工作的时候，你会发现养成数据审核的习惯非常重要。而且越是优秀的数据挖掘人员，越会有“数据审核”的“职业病”。这就好比编辑非常在意文章中的错别字、语法一样。

数据的规范性，就像是你的作品一样，通过清洗之后，会变得非常干净、标准。当然了，这也是一门需要不断修炼的功夫。终有一天，你会进入这样一种境界：看一眼数据，差不多7秒钟的时间，就能知道这个数据是否存在问题。为了这一眼的功力，我们要做很多练习。

刚开始接触数据科学工作的时候，一定会觉得数据挖掘是件很酷、很有价值的事。确实如此，不过今天我还要告诉你，再酷炫的事也离不开基础性的工作，就像我们今天讲的数据清洗工作。对于这些基础性的工作，我们需要耐下性子，一个坑一个坑地去解决。

好了，最后我们来总结下今天的内容，你都收获了什么？

学习完今天的内容后，给你留个小作业吧。下面是一个美食数据，如果你拿到下面的数据，按照我们今天讲的准则，你能找到几点问题？如果你来清洗这些数据，你打算怎样清洗呢？

欢迎在留言区写下你的思考，如果你对今天“数据清洗”的内容还有疑问，也欢迎留言和我讨论。也欢迎点击“请朋友读”，把这篇文章分享给你的朋友或者同事。

精选留言

third

2019-02-05 18:07:51

自己不知道有没有什么好的工具，所以就把图片上一个一个敲进去了。
数据.csv格式
链接：https://pan.baidu.com/s/1jNnUpntrlxFSubmna3HtXw
提取码：e9hc

作者回复

感谢分享

2019-12-29 20:26:01
wonderland

2019-01-10 14:48:34

一、首先按照所讲的数据质量准则，数据存在的问题有：
1."完整性"问题：数据有缺失，在ounces列的第三行存在缺失值
处理办法：可以用该列的平均值来填充此缺失值
2.“全面性”问题：food列的值大小写不统一
处理办法：统一改为小写
3.“合理性”问题：某一行的ounces值出现负值
处理办法：将该条数据记录删除
4.“唯一性”问题：food列大小写统一后会出现同名现象，
处理办法：需要将food列和animal列值均相同的数据记录进行合并到同一天记录中国

作者回复

Good Job

2019-12-29 21:19:51
滢

2019-04-11 20:38:01

原始数据链接：https://github.com/onlyAngelia/Read-Mark/blob/master/数据分析/geekTime/data/accountMessage.xlsx （课程中讲解原始数据-点击view Raw即可下载）
课后练习原始数据: https://github.com/onlyAngelia/Read-Mark/blob/master/数据分析/geekTime/data/foodInformation.xlsx （点击View Raw下载）

作者回复

滢同学很好的分享！

2019-12-29 18:35:23
Geek_5hxn61

2019-02-19 12:34:50

import pandas as pd
"""利用Pandas清洗美食数据"""

# 读取csv文件
df = pd.read_csv("c.csv")

df['food'] = df['food'].str.lower() # 统一为小写字母
df.dropna(inplace=True) # 删除数据缺失的记录
df['ounces'] = df['ounces'].apply(lambda a: abs(a)) # 负值不合法，取绝对值

# 查找food重复的记录，分组求其平均值
d_rows = df[df['food'].duplicated(keep=False)]
g_items = d_rows.groupby('food').mean()
g_items['food'] = g_items.index
print(g_items)

# 遍历将重复food的平均值赋值给df
for i, row in g_items.iterrows():
df.loc[df.food == row.food, 'ounces'] = row.ounces
df.drop_duplicates(inplace=True) # 删除重复记录

df.index = range(len(df)) # 重设索引值
print(df)

作者回复

Good Job

2019-12-29 20:09:03
Hot Heat

2019-01-07 08:11:55

可以给个样例数据的链接吗？自己动手操作一下
西南偏北

2019-01-07 21:44:17

这些东西，大家都一定要上手去实现一遍。最简单的就是，搞一个文本，把这些数据放进去，用Python读这个文本，转成dataframe，把老师讲的那些清洗相关的API都一个一个试一下，才会有体会，光看一遍真的没啥用的！
现在只是很少的几十条数据，等你真正去搞那些上亿的数据的时候，就知道核对数据是个多么复杂的事情了……

作者回复

对的一定要自己模拟操作下

2019-01-09 10:29:08
爱做梦的咸鱼

2019-01-29 13:01:46

建议老师涉及到数据集练习的可以把数据放在github上，方便我们做同步练习。
auroroa

2019-01-07 13:33:19

最大的问题是不是没把数据的来源和目的描述清楚？😄
滢

2019-04-11 11:52:30

觉得完全合一原则挺好，不过有些操作顺序是不是得更改一下，比如数值补全要在删除全空行之后，否则在补全的时候全空行也会补全。接下来总结在清洗过程中的问题：（1）不知道Python2 执行情况如何，在用Python3进行数据清理的时候，对于女性三围数据补全的时候因为列中有空字符的存在，会提示‘must str not int’,需要自己过滤含有数值的有效数据进行mean()计算。 (2)生成的新列一般会自动补到后面，但first_name,last_name需要在第一列和第二列，所以要进行列移动或列交换。(3)在删除数据之后默认加载的索引会出现问题，需要自己更新索引

作者回复

不错的分享

2019-12-29 18:37:15
nrvna

2019-01-09 07:50:48

jupyter notebook，python3

import pandas as pd
df = pd.read_csv("D://Data_for_sci/food.csv")
df.index

df

# Data cleaning for lowercase
df['food'] = df['food'].str.lower()
df

# Delet NaN
df = df.dropna()
df.index = range(len(df)) # reset index
df

# Get bacon's mean value and delet second one
df.loc[0,'ounces'] = df[df['food'].isin(['bacon'])].mean()['ounces']
df.drop(df.index[4],inplace=True)
df.index = range(len(df)) # reset index
df

#Get pastrami's mean value and delet second one
df.loc[2,'ounces'] = df[df['food'].isin(['pastrami'])].mean()['ounces']
df.drop(df.index[4],inplace=True)
df.index = range(len(df)) # reset index
df
桃园悠然在

2019-01-07 11:28:54

我的理解，不能对food列简单去重吧，而是规范ounces列数据后汇总或者保持原样，这可能使厨房食材消耗记录。数据清洗还是要结合完全合一+业务含义。
小熊猫

2019-01-19 22:25:12

将磅（lbs）转化为千克（kgs）：
感觉这个地方写复杂了，直接用正则表达式替换就行了
df['Weight'].replace('lbs$', 'kgs', regex=True, inplace=True)
周飞

2019-01-12 20:52:15

完整性：ounces 列数据中存在NAN
全面性：food列数据中存在大小写不一致问题
合法性：ounces列数据存在负值
唯一性：food列数据存在重复
# -*- coding: utf-8 -*
import pandas as pd
import numpy as np
from pandas import Series, DataFrame
df = pd.read_csv('./fooddata.csv')
# 把ounces 列中的NaN替换为平均值
df['ounces'].fillna(df['ounces'].mean(), inplace=True)
# 把food列中的大写字母全部转换为小写
df['food'] = df['food'].str.lower()
# 把ounces 列中的负数转化为正数
df['ounces']= df['ounces'].apply(lambda x: abs(x))
#删除food列中的重复值
df.drop_duplicates('food',inplace=True)
print (df)

作者回复

Good Job

2019-12-29 21:14:57
上官

2019-01-08 16:46:50

weight = int(float((lbs_row['weight'][:-3])/2.2)
老师好，这行代码中[：-3]的作用是什么啊？

作者回复

截取从头开始到倒数第三个字符之前，即去掉lbs。

2019-01-09 10:06:38
Geek_hve78z

2019-02-12 22:31:10

以下为对文中的案例进行编码操作，有三个问题请教
1、重量【‘weight’】一列的数据，如何利用平均值进行填充，因为该列是字符类型，无法求平均。目前采用高频数据填充
2、Pink Panther用户的三围数据如何填充？，我想利用对应性别的平均值填充
3、案例中，后6列不显示‘NaN’，是因为填充列‘空格’吗？
_____________________
import pandas as pd
## 导入数据
df=pd.read_csv('第11节数据.csv')
## 重命名列名columns
df.rename(columns={'0':'Number','1':'Name','2':'Age','3':'Weight','4':'m0006','5':'m0612','6':'m1218'
,'7':'f0006','8':'f0612','9':'f1218'},inplace=True)

#2.全面性
#列数据统一单位
# 获取weight 数据列中单位为lbs的数据
rows_with_lbs=df['Weight'].str.contains('lbs').fillna(False)
print(df[rows_with_lbs])
# 将lbs转换为kgs，2.2lbs=1kgs
for i,lbs_row in df[rows_with_lbs].iterrows():
# 截取从头开始到倒数第三个字符之前，即去掉lbs
weight=int(float(lbs_row['Weight'][:-3])/2.2)
df.at[i,'Weight']='{}kgs'.format(weight)

#1.完整性
# 删除全空的行
df.dropna(how='all',inplace=True)

##缺失值补充方式一
## df[‘Age’] 中缺失的数值用平均年龄进行填充
#df['Age'].fillna(df['Age'].mean(),inplace=True)

## 缺失值补充方式二
## 使用Age一列高频数据进行填充
age_maxf=df['Age'].value_counts().index[0]
df['Age'].fillna(age_maxf,inplace=True)

## 使用Weight一列高频数据进行填充
weight_maxf=df['Weight'].value_counts().index[0]
df['Weight'].fillna(weight_maxf,inplace=True)

#4.唯一性
#Name拆分为firstname和lastname
#切分名字，删除源数据列
df[['first_name','last_name']]=df['Name'].str.split(expand=True)
df.drop('Name',axis=1,inplace=True)

# 移动first_name和last_name这俩列
first_name=df.pop('first_name')
df.insert(1,'first_name',first_name)
last_name=df.pop('last_name')
df.insert(2,'last_name',last_name)

#删除重复数据行
df.drop_duplicates(['first_name','last_name'],inplace=True)

#3.合理性
# 删除非ASCII字符
df['first_name'].replace({r'[^\x00-\x7F]+':''},regex=True,inplace=True)
df['last_name'].replace({r'[^\x00-\x7F]+':''},regex=True,inplace=True)

df
北方

2019-01-11 16:27:00

#!/usr/bin/env python
# -*- coding:utf8 -*-
# __author__ = '北方姆Q'
# __datetime__ = 2019/1/11 15:53

import pandas as pd

# 导入
df = pd.read_csv("./s11.csv")
# 去除完全的空行
df.dropna(how='all', inplace=True)
# 食物名切分并去掉原本列
df[["first_name", "last_name"]] = df["food"].str.split(expand=True)
df.drop("food", axis=1, inplace=True)
# 名称首字母大写
df["first_name"] = df["first_name"].str.capitalize()
df["last_name"] = df["last_name"].str.capitalize()
# 以食物名为标准去重
df.drop_duplicates(["first_name", "last_name"], inplace=True)

print(df)

作者回复

Good Job

2019-12-29 21:16:55
qinggeouye

2019-11-08 03:34:00

https://github.com/qinggeouye/GeekTime/blob/master/DataAnalysis/11_data_clean.py

import pandas as pd

# 读取数据
data_init = pd.read_csv("./11_clothingStoreMembers.csv")

# 清洗数据

# 删除 '\t' 列, 读取 csv 文件多了一列
data_init.drop(columns='\t', inplace=True)
# 重命名列名
data_init.rename(
columns={"0": "SEQ", "1": "NAME", "2": "AGE", "3": "WEIGHT", "4": "BUST_M", "5": "WAIST_M", "6": "HIP_M",
"7": "BUST_F", "8": "WAIST_F", "9": "HIP_F"}, inplace=True)
print(data_init)

# 1、完整性
# 删除空行
data_init.dropna(how='all', inplace=True)

# 4、唯一性
# 一列多个参数切分
data_init[["FIRST_NAME", "LAST_NAME"]] = data_init["NAME"].str.split(expand=True)
data_init.drop("NAME", axis=1, inplace=True)
# 删除重复数据
data_init.drop_duplicates(["FIRST_NAME", "LAST_NAME"], inplace=True)

# 2、全面性
# 列数据单位统一, 体重 WEIGHT 单位统一（lbs 英镑， kg 千克）
rows_with_lbs = data_init["WEIGHT"].str.contains("lbs").fillna(False)
print(rows_with_lbs)
# lbs 转为 kg
for i, lbs_row in data_init[rows_with_lbs].iterrows():
weight = int(float(lbs_row["WEIGHT"][:-3]) / 2.2)
data_init.at[i, "WEIGHT"] = "{}kgs".format(weight)
print(data_init)

# 3、合理性
# 非 ASCII 字符转换，这里删除处理
data_init["FIRST_NAME"].replace({r'[^\x00-\x7F]+': ''}, regex=True, inplace=True)
data_init["LAST_NAME"].replace({r'[^\x00-\x7F]+': ''}, regex=True, inplace=True)

# 1、完整性
# 补充缺失值-均值补充
data_init["AGE"].fillna(data_init["AGE"].mean(), inplace=True)
# 体重先去掉 kgs 的单位符号
data_init["WEIGHT"].replace('kgs$', '', regex=True, inplace=True) # 不带单位符号 kgs
data_init["WEIGHT"] = data_init["WEIGHT"].astype('float')
data_init["WEIGHT"].fillna(data_init["WEIGHT"].mean(), inplace=True)

data_init.replace('-', 0, regex=True, inplace=True) # 读取的 csv 数据多了'-'
data_init["WAIST_F"] = data_init["WAIST_F"].astype('float')
data_init["WAIST_F"].fillna(data_init["WAIST_F"].mean(), inplace=True)

# 用最高频的数据填充
age_max_freq = data_init["AGE"].value_counts().index[0]
print(age_max_freq)
data_init["AGE"].fillna(age_max_freq, inplace=True)
print(data_init)

作者回复

不错把代码放到GitHub上是很好的方式

2019-11-26 16:23:25
姜泮昌

2019-05-04 17:58:06

在唯一性的最后一步，去重后还有重复数据啊，Huey McDuck有两条相同数据，这个有问题呢
lingmacker

2019-01-17 19:33:01

import pandas as pd

def wash_data():
data = pd.read_excel("./data/data.xlsx")
data["food"] = data["food"].str.capitalize() # 首字母大写
data.fillna(0, inplace=True)
data.drop_duplicates("food", inplace=True) # 删除重复行

data.to_excel("./data/re_data.xlsx")

if __name__ == '__main__':
wash_data()

是不是清洗得太简单了。。。
Chino

2019-01-17 14:46:57

有一个问题就是代码最后那里to_excel 如果参数的路径是指定的那种就会报错显示filenotfound 搜了很久都没找到是什么原因求解
另外感觉这一讲有好多点都没讲深入呀下面代码是对课程中的样例进行清洗感觉只能做到几小点了. 特别是在填充nan值的时候一开始想着遍历每一个nan值然后再特判列的类型进行填充的. 但是发现三围那里有个大问题按理说三围应该是int类型但是因为有- 这个东西的存在搞的三围是object类型一开始赋值的时候报错提示需要str 后来想把列的类型转换成int也失败了还有好多地方都卡着了...
import pandas as pd
import numpy as np
from pandas import Series, DataFrame

data = DataFrame(pd.read_excel('~/Desktop/data.xlsx'))

print(data)

# 更改列名
data.rename(columns={0:'序号',1:'姓名',2:'年龄',3:'体重',4:'男三围1',5:'男三围2',6:'男三围3',7:'女三围1',8:'女三围2',9:'女三围3'},inplace = True)

# 去掉重复行
data = data.drop_duplicates()

# 1.完整性
# 填充缺失值
col = data.columns.values.tolist()
row = data._stat_axis.values.tolist()

# 先把姓名的数据类型改成字符串
data['姓名'] = data['姓名'].astype('str')

# 1.1 先清除空行
data.dropna(how = 'all', inplace = True)

# 1.2 填充缺失值
age_maxf = data['年龄'].value_counts().index[0]

# 以年龄频率最大值来填充
data['年龄'].fillna(age_maxf, inplace=True)

# 2.全面性
# 把体重单位为lbs的转化为kgs 2.2lbs = 1kgs
# 把所有体重单位为lbs的记录存放在一起 (如果体重是nan则不要)
rows_with_lbs = data['体重'].str.contains('lbs').fillna(False)

for i,lbs_row in data[rows_with_lbs].iterrows():
weight = int(float(lbs_row['体重'][:-3]) / 2.2)
# 第一个参数是y坐标(竖) 第二个参数是x坐标(横)
data.at[i,'体重'] = '{}kgs'.format(weight)

print(data)

# 把清洗后的数据输出
data.to_excel('CleanData.xlsx')
# 会报错
# data.to_excel('~/Desktop/CleanData.xlsx')

作者回复

Good Job!

2019-12-29 21:02:28