数据清洗的 2 个小技巧，好用

1 Pandas 巧用 str.split 和 str.cat

因为以上两个方法，直接按列操作，所以省掉一层 for 循环，下面直接看例子。

df = pd.DataFrame({'names':['Geordi La Forge', 'Deanna Troi', 'Jack'],'IDs':[1,2,3]})
df


列分割

对 names 列，按照第一个空格分割为两列：

df['first_name'] = df['names'].str.split(n = 1).str[0]df['last_name'] = df['names'].str.split(n = 1).str[1]df

结果如下：

列合并方法 1

分割列搞定，接下来再合并回去，使用 cat 方法：

df['names_copy'] = df['first_name'].str.cat(df['last_name'], sep = ' ')
df


合并两列得到一个新列 names_copy 搞定！

列合并方法 2

还有别的合并方法吗，直接使用 + 连接字符串：

df['names_copy2'] = df['first_name'] + ' '+ df['last_name']df

效果是一样的：

2 Pandas 多条件筛选可读性较好的写法

有特征上百个，根据多个特征筛选 DataFrame 时，如果这么做，可读性不太友好：

df[(df['continent'] == 'Europe') & (df['beer_servings'] > 150) & (df['wine_servings'] > 50) & (df['spirit_servings'] < 60)]


连续多个筛选条件写到一行里。

更好可读性的写法

cr1 = df['continent'] == 'Europe'cr2 = df['beer_servings'] > 150cr3 = df['wine_servings'] > 50cr4 = df['spirit_servings'] < 60

df[cr1 & cr2 & cr3 & cr4]

个人更喜欢后者，虽然代码多几行，但是可读性更好一些，拆开多个过滤条件并分别赋值给对象，最后再传到 df 中，代码看起来更清爽。

另一种多条件过滤的建议写法，供大家参考选择。码字不易，欢迎点个在看支持下。