16、数据清洗与探索：系列操作全解析

数据清洗与探索：系列操作全解析

在数据处理过程中，我们常常需要对数据进行清洗和探索，以确保数据的质量和可用性。本文将详细介绍如何使用系列操作来完成这些任务，包括条件性地更改系列值、评估和清理字符串系列数据以及处理日期数据。

条件性地更改系列值

在实际的数据处理中，我们经常需要根据其他系列的值来创建或更新一个系列。这里介绍几种常用的方法：
- NumPy的where方法 ：类似于SQL或Excel中的if-then-else语句，其形式为 where (test condition, clause if True, clause if False) 。例如，我们可以根据海拔值是否大于第80百分位数，将其分为“High”和“Low”两组：

import numpy as np
import pandas as pd

# 假设landtemps是一个DataFrame，包含elevation列
landtemps = pd.DataFrame({'elevation': [100, 200, 300, 400]})
landtemps['elevation_group'] = np.where(landtemps.elevation > landtemps.elevation.quantile(0.8), 'High', 'Low')

• 嵌套的where语句 ：当需要创建多个分组时，可以使用嵌套的where语句。例如，将海拔分为高、中、低三组：