在持续整理“对比 Excel，学习 pandas 系列”的学习笔记时，前一篇文章获得了广泛关注。本文将系统梳理在 Excel 与 pandas 中实现数据清洗的多种方法。
1. 处理数据中的空值
在真实数据处理中，往往会出现缺失的特征数据，也就是空值。为了后续分析，需要对空值进行妥善处理。
空值的处理方式有多种，通常可以分为删除或填充两类。
Excel 通过“查找和替换”实现空值的统一替换：
也可以通过“定位”来删除包含空值的行或列：
pandas 的处理方式更为灵活，常用 dropna 函数删除空值：
import pandas as pd data=pd.read_csv(‘成绩表.csv’,encoding=’gbk’) data.dropna(how=’any’)
使用 fillna 实现空值的填充：
① 使用数字 0 填充空值
data.fillna(value=0)
② 使用列的平均值填充空值
data[‘语文’].fillna(data[‘语文’].mean())
2. 删除空格
Excel 清理空格也很直接，通常通过替换完成。
pandas 删除空格同样简单，主要依赖 map 与 strip：
data[‘姓名’]=data[‘姓名’].map(str.strip)
3. 大小写转换
在 Excel 中，大小写转换可使用 upper() 与 lower() 两类函数。
pandas 中的转换方式同样是 upper() 与 lower()：
data[‘拼音’]=data[‘拼音’].str.upper()
data[‘拼音’]=data[‘拼音’].str.lower()
4. 更改数据格式
Excel 中通过快捷键 Ctrl+1 打开“设置单元格格式”来修改数据格式：
pandas 使用 astype 来修改数据格式，以将“语文”列改成整数为例：
data[‘语文’].dropna(how=’any’).astype(‘int’)
5. 更改列名称
Excel 更改列名称不再赘述，常见做法即可。
pandas 使用 rename 函数来变更列名称，示例代码如下：
data.rename(columns={‘语文’:’语文成绩’})
6. 删除重复值
在 Excel 的数据选项中有“删除重复项”功能，默认保留第一个出现的值，删除后续重复值。
pandas 使用 drop_duplicates 函数删除重复值：
data[‘数学’].drop_duplicates() # 默认删除后面的重复值 data[‘数学’].drop_duplicates(keep=’last’)
7. 修改及替换数据
Excel 中通过“查找和替换”实现数值的替换。
Pandas 中则使用 replace 函数实现数据替换：
data[‘姓名’].replace(‘成功’,’失败’)
