Kaggle-pandas(5)

Data-types-and-missing-values

教程

Dtypes

DataFrame或Series中列的数据类型称为dtype。
您可以使用dtype属性来获取特定列的类型。 例如，我们可以在review的DataFrame中获得价格列的dtype：

reviews.price.dtype

另外，dtypes属性返回DataFrame中每一列的dtype：

reviews.dtypes

 数据类型告诉我们有关pandas如何在内部存储数据的信息。 float64表示它使用的是64位浮点数。 int64表示大小类似的整数，依此类推。
需要牢记的一个独特之处（在这里非常清楚地显示）是，完全由字符串组成的列没有自己的类型； 相反，它们被赋予对象类型。
只要使用astype（）函数，只要有这种转换意义，就可以将一种类型的列转换为另一种类型。 例如，我们可以将points列从其现有的int64数据类型转换为float64数据类型。

reviews.points.astype('float64')

Missing data

缺少值的条目将被赋予值NaN，是“非数字”的缩写。 出于技术原因，这些NaN值始终为float64 dtype。
熊猫提供了一些针对丢失数据的方法。 要选择NaN条目，可以使用pd.isnull（）（或其配套的pd.notnull（））。 这意味着可以这样使用：

reviews[pd.isnull(reviews.country)]

替换缺失值是常见的操作。 Pandas为这个问题提供了一个非常方便的方法：fillna（）。 fillna（）提供了几种缓解此类数据的策略。 例如，我们可以简单地将每个NaN替换为“未知”：替换缺失值是常见的操作。 Pandas为这个问题提供了一个非常方便的方法：fillna（）。 fillna（）提供了几种缓解此类数据的策略。 例如，我们可以简单地将每个NaN替换为“未知”

练习

1.

What is the data type of the `points` column in the dataset?

# Your code here
dtype = reviews.points.dtype

# Check your answer
q1.check()

2.

Create a Series from entries in the points column, but convert the entries to strings. Hint: strings are str in native Python.

point_strings =reviews.points.astype('str')

# Check your answer
q2.check()

3.

Sometimes the price column is null. How many reviews in the dataset are missing a price?

missing_price_reviews = reviews[reviews.price.isnull()]
n_missing_prices = len(missing_price_reviews)
# print(n_missing_prices)
# Check your answer
q3.check()

4.

What are the most common wine-producing regions? Create a Series counting the number of times each value occurs in the region_1 field. This field is often missing data, so replace missing values with Unknown. Sort in descending order. Your output should look something like this:

tmp=reviews.region_1.fillna("Unknown")
reviews_per_region = reviews.fillna("Unknown").region_1.value_counts().sort_values(ascending=False)
print(reviews_per_region)
# Check your answer
q4.check()