网站首页 > 技术文章 正文
你是不是也遇到过这种情况:好不容易收集到数据,却因为格式乱七八糟没法分析 —— 日期格式五花八门,金额里混着各种符号,想算个平均值都难。其实,用对 Python 数据转换技巧,这些问题都能轻松解决。今天就分享几个超实用的方法,新手也能直接套用。
一、数据类型转换:别让类型错误拖后腿
拿到数据先检查类型,这是最基础也最关键的一步。很多分析出错,都是因为类型不对。
3 种最常用的转换方法
import pandas as pd
# 原始数据
data = {
'订单日期': ['2023-10-05', '2023/10/06', '2023年10月07日'],
'金额': ['399', '129.9', '599'],
'用户ID': ['1001', '1002', '1003'],
'产品类别': ['口红', '粉底', '口红']
}
df = pd.DataFrame(data)
# 1. 字符串转日期
df['订单日期'] = pd.to_datetime(df['订单日期'], errors='coerce')
# 2. 文本金额转数字
df['金额'] = pd.to_numeric(df['金额'], errors='coerce')
# 3. 字符串用户ID转整数
df['用户ID'] = pd.to_numeric(df['用户ID'], downcast='integer')
# 4. 产品类别转分类类型(省内存)
df['产品类别'] = df['产品类别'].astype('category')
转换时的 3 个避坑点
- 转换失败不报错:加上errors='coerce',失败的会变成NaN,程序继续运行
- 日期格式乱不怕:pd.to_datetime能自动识别大部分格式,省心
- 大整数别用 int64:downcast='integer'会自动选合适类型,节省内存
检查转换效果:
# 看每列有多少转换失败的
print(df.isnull().sum())
二、格式转换:让数据 “说同一种话”
不同来源的数据格式往往不一样,必须统一才能分析。
日期格式统一
def 统一日期格式(日期列, 目标格式='%Y-%m-%d'):
# 先转成datetime类型
日期时间列 = pd.to_datetime(日期列, errors='coerce')
# 再转成目标字符串格式
统一格式列 = 日期时间列.dt.strftime(目标格式)
# 转换失败的保留原始值
转换失败 = 日期时间列.isna()
统一格式列[转换失败] = 日期列[转换失败].astype(str)
return 统一格式列
# 用法
df['订单日期_统一'] = 统一日期格式(df['订单日期'], '%Y年%m月%d日')
金额里的符号怎么处理?
# 处理带货币符号的金额,如"yen399" "$129.9"
df['金额_清洗'] = df['金额字符串'].astype(str).str.extract(r'(\d+\.?\d*)').astype(float)
# 处理欧洲格式数字,如"1.234,56"(逗号是小数点)
def 欧洲数字转正常(数字列):
清洗列 = 数字列.str.replace('.', '', regex=False)
清洗列 = 清洗列.str.replace(',', '.', regex=False)
return 清洗列.astype(float)
三、结构转换:长表宽表按需转
数据结构不对,分析起来很费劲,长表宽表转换是常用技巧。
长表转宽表(适合汇总)
# 长表数据
长表 = pd.DataFrame({
'用户ID': [1001, 1001, 1002, 1002],
'月份': ['1月', '2月', '1月', '2月'],
'消费金额': [399, 599, 299, 499]
})
# 转宽表:一行一个用户,一列一个月份
宽表 = 长表.pivot(
index='用户ID',
columns='月份',
values='消费金额'
).reset_index()
宽表转长表(适合趋势分析)
# 把宽表转回去
长表2 = pd.melt(
宽表,
id_vars=['用户ID'], # 保持不变的列
value_vars=['1月', '2月'], # 要转换的列
var_name='月份', # 新列名(原列名)
value_name='消费金额' # 新列名(原数值)
)
四、嵌套数据转换:JSON 信息轻松拆
很多数据存在 JSON 格式的字段里,比如用户信息是{"姓名":"张三","年龄":30},这样拆出来:
import json
def 拆JSON列(数据框, 列名):
def 解析JSON(x):
try:
return json.loads(x) if pd.notna(x) else {}
except:
return {} # 解析失败返回空字典
解析结果 = 数据框[列名].apply(解析JSON)
拆出来的列 = pd.json_normalize(解析结果)
拆出来的列.columns = [f'{列名}_{子列}' for 子列 in 拆出来的列.columns]
return pd.concat([数据框.drop(列名, axis=1), 拆出来的列], axis=1)
# 用法
# df = 拆JSON列(df, 'user_info')
# 会多出user_info_姓名、user_info_年龄等列
五、实战案例:电商订单数据转换全流程
处理有这些问题的订单数据:
- 订单日期格式混乱
- 金额带货币符号
- 用户信息是 JSON 格式
- 评论有乱码
def 处理订单数据(原始数据):
df = 原始数据.copy()
# 1. 类型转换
df['订单日期'] = pd.to_datetime(df['订单日期'], errors='coerce')
df['金额'] = df['金额'].astype(str).str.extract(r'(\d+\.?\d*)').astype(float)
# 2. 格式统一
df['订单日期_标准'] = 统一日期格式(df['订单日期'])
df['订单月份'] = df['订单日期'].dt.month # 提取月份
# 3. 拆JSON列
df = 拆JSON列(df, '用户信息')
# 4. 处理评论乱码
df['评论_清洗'] = df['评论'].str.encode('latin-1').str.decode('utf-8', errors='ignore')
return df
3 个实用小技巧
- 转换前备份:df_copy = df.copy(),转错了还能重来
- 大文件分块处理:pd.read_csv(chunksize=10000),省内存
- 检查内存占用:df.memory_usage(deep=True).sum()/1024/1024,太大就优化类型
掌握这些数据转换技巧,再乱的数据也能变得整整齐齐,分析起来事半功倍。赶紧试试,有问题评论区留言。觉得有用,点赞收藏吧!
猜你喜欢
- 2025-07-24 int()的“魔术”:Python整数转换到底藏了什么功夫?
- 2025-07-24 30个极简的python代码,让你更快掌握python(一)
- 2025-07-24 python学习教程-第四节内容(python全套教程)
- 2025-07-24 python入门到脱坑经典案例—求两个数的和
- 2025-07-24 Python 必须掌握的 20 个核心函数-int()
- 289℃Python短文,Python中的嵌套条件语句(六)
- 285℃PythonNet:实现Python与.Net代码相互调用!
- 283℃python笔记:for循环嵌套。end=""的作用,图形打印
- 281℃Python实现字符串小写转大写并写入文件
- 278℃Python操作Sqlserver数据库(多库同时异步执行:增删改查)
- 137℃原来2025是完美的平方年,一起探索六种平方的算吧
- 123℃Ollama v0.4.5-v0.4.7 更新集合:Ollama Python 库改进、新模型支持
- 115℃Python 和 JavaScript 终于联姻了!PythonMonkey 要火?
- 最近发表
- 标签列表
-
- python中类 (31)
- python 迭代 (34)
- python 小写 (35)
- python怎么输出 (33)
- python 日志 (35)
- python语音 (31)
- python 工程师 (34)
- python3 安装 (31)
- python音乐 (31)
- 安卓 python (32)
- python 小游戏 (32)
- python 安卓 (31)
- python聚类 (34)
- python向量 (31)
- python大全 (31)
- python次方 (33)
- python桌面 (32)
- python总结 (34)
- python浏览器 (32)
- python 请求 (32)
- python 前端 (32)
- python验证码 (33)
- python 题目 (32)
- python 文件写 (33)
- python中的用法 (32)