pandas 清洗 MySQL 数据
读取数据
- 使用
pd的read_sql读取数据
import pymysql
import pandas as pd
self.conn = pymysql.connect(host=host, user=user,
password=pass, db=db, charset='utf8')
sql = 'select * from table_name'
df = pd.read_sql(sql, con=self.conn)
空值空格处理
- 处理空值以及空格使用
pd的strip方法以及dropna方法
df['product_name'].str.strip()
# 删除列 `product_name` 为 `NaN` 的行
df.dropna(subset=['product_name'], inplace=True)
异常值处理
- 处理异常值使用
pd的replace方法
df.replace(' ', np.nan, inplace=True)
数据重新写入到 MySQL
- 数据重新写入 MySQL 使用
pd的to_sql方法
df.to_sql(name=table_name, con=self.conn, if_exists='append', index=True)
问题
1、pd 的 to_sql 不能使用 pymysql 的连接，否则就会直接报错
pandas.io.sql.DatabaseError: Execution failed on sql 'SELECT name FROM sqlite_master WHERE type='table' AND name=?;': not all arguments converted during string formatting
需要改为
from sqlalchemy import create_engine
engine = create_engine("mysql+pymysql://user:pass@host:port/db")
2、空值处理的问题
-
保存在 mysql 中的数据中有空值，但是使用
pd.str.strip()处理没有用 -
使用
replace替换空格、空值为nan也没有用解决办法：
replace使用正则替换
# 替换\r\n\t以及html中的\xa0
df.replace(r'\r|\t|\n|\xa0', '', regex=True, inplace=True)
# 替换空格，将空格替换为空字符串
df['product_name'].replace(r' ', '', regex=True, inplace=True)
# 将空字符串替换为 nan
df['product_name'].replace(r'', np.nan, regex=True, inplace=True)
# 将乱码替换替换为空字符串（正则为匹配不是中文、字母、数字组成的字符串）
df['product_name'].replace(r'[^\u4e00-\u9fa5_a-zA-Z0-9]', np.nan, regex=True, inplace=True)
- 本文是有 FreeOpenWrite 发布
