Python数据处理

数据清洗：研究、匹配与格式化

｜

151

➐

在函数末尾，返回新的数据字典。

➑

现在传入数据行运行该函数，并将新生成的字典赋值给一个变量，以供后续使用。本行

代码将新生成的字典命名为

mn_dict

，我们可以利用这个字典来查看有多少个唯一家庭，

以及每个家庭分别做了多少份调查。

如果函数结尾没有

return

的话，函数将会返回

None

。在你开始编写自己的

函数时，一定要注意返回值的错误。

我们找到了约

7000

个唯一家庭，这说明采访中有

2000

多的男性与其他男性属于同一家

庭。本次采访每个家庭平均有

1.3

个男性。像这样的简单计算可以让我们对数据有更深入

的了解，还可以帮我们思考数据的含义，并发现基于现有数据我们可以回答哪些问题。

7.3

　小结

本章你学习了数据清洗的基础知识，以及在数据处理过程中数据清洗的重要性。你用到了

一些

MICS

原始数据，并直接与这些数据进行了交互。现在你学会了观察数据，并能判断

你可能会遇到的数据清洗问题。现在你还可以找到并删除错误数据和重复数据。

表

7-2

中详细描述了本章讲到的新概念和新库。

表7-2：Python编程的新概念和新库

概念/库 作用

列表生成式 利用迭代器、函数和

/

或

if

语句，可以方便快速地创建列

表，用于进一步清洗和处理数据

字典的

values

方法 返回由字典的值组成的列表。在测试内部元素时很有用

in

和

not in

语句 测试内部元素。通常用于字符串或列表。返回一个布尔值

列表的

remove

方法 传入一个元素，删除列表中第一个匹配的元素。对于一个创

建好的列表，如果你确切知道要删除的元素是什么，这个方 ...