清理给定 Pandas Dataframe 中的字符串数据

众所周知，在当今世界，各种公司都在使用数据分析。在处理数据时，我们可能会遇到任何需要开箱即用方法进行评估的问题。现实生活中的大多数数据都包含实体的名称或其他名词。名称可能格式不正确。在这篇文章中，我们将讨论清理此类数据的方法。

假设我们正在处理基于电子商务的网站的数据。产品名称的格式不正确。正确格式化数据，使得没有前导和尾随空格，并且所有产品的第一个字母都是大写字母。

解决方案#1：很多时候我们会遇到需要编写适合手头任务的自定义函数的情况。

# importing pandas as pd
import pandas as pd
  
# Create the dataframe
df = pd.DataFrame({'Date':['10/2/2011', '11/2/2011', '12/2/2011', '13/2/2011'],
                   'Product':[' UMbreLla', '  maTress', 'BaDmintoN ', 'Shuttle'],
                   'Updated_Price':[1250, 1450, 1550, 400],
                   'Discount':[10, 8, 15, 10]})
  
# Print the dataframe
print(df)

输出 ：

现在我们将编写自己的自定义函数来解决这个问题。

def Format_data(df):
    # iterate over all the rows
    for i in range(df.shape[0]):
  
        # reassign the values to the product column
        # we first strip the whitespaces using strip() function
        # then we capitalize the first letter using capitalize() function
        df.iat[i, 1]= df.iat[i, 1].strip().capitalize()
  
# Let's call the function
Format_data(df)
  
# Print the Dataframe
print(df)

输出 ：

解决方案 #2：现在我们将看到使用 Pandas DataFrame.apply()函数的更好、更有效的方法。

# importing pandas as pd
import pandas as pd
  
# Create the dataframe
df = pd.DataFrame({''Date':['10/2/2011', '11/2/2011', '12/2/2011', '13/2/2011'],
                   'Product':[' UMbreLla', '  maTress', 'BaDmintoN ', 'Shuttle'],
                   'Updated_Price':[1250, 1450, 1550, 400],
                   'Discount':[10, 8, 15, 10]})
  
# Print the dataframe
print(df)

输出 ：

让我们使用 Pandas DataFrame.apply()函数以正确的格式格式化产品名称。在 Pandas DataFrame.apply()函数中，我们将使用 lambda函数。

# Using the df.apply() function on product column
df['Product'] = df['Product'].apply(lambda x : x.strip().capitalize())
  
# Print the Dataframe
print(df)

输出 ：