Python如何处理中国地区信息

本篇文章为大家展示了Python如何处理中国地区信息，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

1.1数据的爬取

代码：

import pandas as pddata=pd.read_csv("example_data.csv",header=1)print(data)data1=pd.read_csv("北京地区信息.csv",header=1,encoding='gbk')data2=pd.read_csv("天津地区信息.csv",encoding='gbk')print(data1)print(data2)

代码运行结果：

首先使用pandas的read_csv()方法进行数据的读取，然后就能够看到相应的表格信息。

1.2检查重复数据

dupnum=data.duplicated()print(dupnum)\# 对重复值进行处理caldup=data.drop_duplicates()print(caldup)

代码运行结果：

主要是是使用这个duplicated()方法进行数据的查重，返回一个布尔序列，仅对唯一元素而言为True。如果有重复的数据就会在该数值的部分返货Flase。

然后我们就可以使用drop_duplicates()进行重复值删除。

1.3检查缺失值

代码：

from pandas import Seriesfrom numpy import NAN\# import pandas as pd series_obj=Series([1,None])pd.notnull(series_obj)\# 上面做的是测试pd.notnull(data)pd.notnull(data1)pd.notnull(data2)

代码运行结果：

使用pd.notnull(data1)进行非空数值的返回， 返回值是布尔型的矩阵，再取df[布尔型矩阵]返回的是id为非空的行。

1.4 检查异常值

import numpy as np\# 2.4 检查异常值def three_sig(ser1):  mean_value=ser1.mean()\#   标准差  std_value=ser1.std()\#   位于3σ范围外的都是异常值\# 数值大于u+3σ小雨u-3σ  rule=(mean_value-3*std_value>ser1)|(ser1.mean()+3*ser1.std()<ser1)  index=np.arange(ser1.shape[0])[rule]  outrange=ser1.iloc[index]  return outrangethree_sig(data2["女性"])

代码运行结果：

3σ原则又称为拉依达准则，该准则具体来说，就是先假设一组检测数据只含有随机误差，对原始数据进行计算处理得到标准差，然后按一定的概率确定一个区间，认为误差超过这个区间的就属于异常值。

通俗理解就是正态分布。

上述内容就是Python如何处理中国地区信息，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注编程网行业资讯频道。