7.2 數(shù)據(jù)轉(zhuǎn)換
數(shù)據(jù)轉(zhuǎn)換包括：處理重復(fù)值疆导、使用函數(shù)/映射轉(zhuǎn)換數(shù)據(jù)赁项、替代值、重命名軸索引、離散化&分箱悠菜、異常值檢測紫新、置換&隨機(jī)抽樣、虛擬變量
7.2.1 刪除重復(fù)值
-
首先pandas對象可使用 duplicated( ) 方法查看數(shù)據(jù)是否存在重復(fù)（沿著行軸的軸向檢查是否有相同的行）李剖。其結(jié)果返回的是一個布爾值Series芒率，True 表示此行與之前的某一行重復(fù)。另外由于方法中沒有 axis 參數(shù)篙顺，此方法無法檢查是否有重復(fù)的列偶芍。
image.png -
對于DataFrame對象，默認(rèn)用一行中的所有觀測值（即行中所有列的元素）來判斷是否與其他行存在重復(fù)德玫。也就是以一整行為單位進(jìn)行重復(fù)值的檢查匪蟀。 如果想指定特定的列來檢測是否有重復(fù)，需要以列表的形式將列名作為參數(shù)傳入宰僧。
image.png 若要刪除重復(fù)的行材彪，使用 drop_duplicates( ) 方法，其參數(shù)的用法與 duplicated( ) 相同琴儿。另外段化，兩個方法都是默認(rèn)保留第一個觀測到的值。轉(zhuǎn)入?yún)?shù) keep='last' 將會返回最后一個造成。
dataFrame.drop_duplicates(['c1','c2'], keep='last')
7.2.2 使用函數(shù)/映射轉(zhuǎn)換數(shù)據(jù)
若想對DataFrame中某列的數(shù)據(jù)進(jìn)行轉(zhuǎn)換显熏，可使用Series的 map( ) 方法。大體思路為晒屎，引用要轉(zhuǎn)換的列（此時單獨被引用的列是Series對象）? 應(yīng)用 map( ) 方法 ? 將方法返回的結(jié)果賦值給DataFrame的原列喘蟆、或新創(chuàng)建的列，從而完成轉(zhuǎn)換鼓鲁。
map( ) 是對Series中的每個元素分別執(zhí)行操作的方法蕴轨。可接收一個函數(shù)（通常為lambda函數(shù)）骇吭、或一個包含了映射關(guān)系的字典型對象作為參數(shù)（即橙弱，具體的轉(zhuǎn)換操作）键俱。
- 使用字典型對象時燎字，按照 字典鍵?字典值 的映射關(guān)系轉(zhuǎn)換數(shù)據(jù)。即芳肌，字典鍵為元數(shù)據(jù)碾局，字典值為目標(biāo)數(shù)據(jù)荆残。
dataFrame['a'].map({1:'1a', 2:'2b'})
- 使用函數(shù)時, 對每個Series元素都會執(zhí)行一遍函數(shù)操作。其中净当，lambda函數(shù)中的變量x代表Seires里的各元素内斯。
dataFrame['a'].map(lambda x: 'done' if x =='完成' else 'not yet')
7.2.3 替代值
相比Series的 map( ) 方法一次只能對一列執(zhí)行操作蕴潦，repalce( ) 方法可同時對多列執(zhí)行替代操作（Series和DataFrame對象都有此方法）。
- 替代一個值時俘闯，作為參數(shù)的原值潭苞、和替代值由逗號隔開。
dataFrame.replace('originValue', 'substitue')
- 替代多個值時真朗，傳入一個字典此疹、或兩個列表。此時遮婶，逗號左側(cè)列表內(nèi)均為原值蝗碎，逗號右側(cè)列表內(nèi)均為替代值，二者按照其在各列表內(nèi)的位置一一對應(yīng)旗扑。如果替代值僅有一個（不會因原值而不同）蹦骑，則逗號右側(cè)無需使用列表形式。
dataFrame.replace({'originValue1':'substitue1', 'originValue2':'substitue2'})
dataFrame.replace(['originValue1', 'originValue2'], ['substitue1', 'substitue2'])
dataFrame.replace(['originValue1', 'originValue2'], 'uniqueSubstitue')
- replace( ) 方法會返回一個新的對象臀防。如果想更改對象則需傳入 inplace=True 參數(shù)眠菇。
7.2.4 重命名軸索引
有時候僅需要修改現(xiàn)有軸索引上的標(biāo)簽，而不是添加袱衷、或刪除行/列捎废。此時可以使用索引對象的 map( ) 方法、或 rename( ) 方法祟昭。
- map( ) 的用法和Series中的類似：對索引對象應(yīng)用 map( ) 方法 ? 將方法返回的結(jié)果賦值給索引對象缕坎，從而完成轉(zhuǎn)換。
data.index = data.index.map(lambda x: x[:4].upper())
- rename( ) 方法可以同時處理行軸篡悟、和列軸上的索引標(biāo)簽，十分方便匾寝。通常是通過傳入字典對象的方式替換索引標(biāo)簽搬葬。也可使用向量化字符串所帶的方法，對索引標(biāo)簽進(jìn)行修改艳悔。此時參數(shù)值中的str即代表索引中的向量化字符串急凰。
另外，rename( ) 方法的目的雖然是修改索引標(biāo)簽猜年，但其返回的是一個新的數(shù)據(jù)集對象（索引+數(shù)據(jù)）抡锈，若想修改原有數(shù)據(jù)集，則需要傳入?yún)?shù) inplace=True 乔外。
data.rename(index={'originLabel', 'substitute'}, columns={'originLabel', 'substitute'})
data.rename(index=str.title, columns=str.upper)
索引對象還有一個 reindex( ) 用來修改索引床三。rename( ) 與其最大的區(qū)別在于，rename( ) 不會改變索引的結(jié)構(gòu)（添加/減少索引的元素杨幼，或更改索引上各元素的排列順序）撇簿，僅僅是修改索引標(biāo)簽聂渊。
