pandas空数据处理

有些实际数据往往为空,这时候需要指定为一类,比如“other”,也有其他插值方法,比如取相邻的类别,都有瑕疵。

本文暂指定为“other”

1-取df的其中几行数据,即便是一行数据,比如第100行,也要有:,此时index是99,偷吃了index为100的,

df2=data[800:810]
df2=data[99:100]

2-空值判断,因为事先知道数据类型都是字符串,所以不是字符串的都是空值,NULL在pd中读取为浮点型的nan

df2.iloc[0,3]='other'

0,3即是行和列的index,

3-那么问题来了,如何知道df的index,如果不用np的话,其实df本身也是有shape的,差点就用np,那样麻烦了

>>> df2.shape
(10, 7)

4-数据确定

由于数据格式不定,即,有的是字典。如果是字符串中的字典,用json读取,如果有“,”,去分割后的类型。

    import csv
DtypeWarning: Columns (0) have mixed types. Specify dtype option on import or set low_memory=False.

有的说需要在re

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 要在 Pandas 中追加数据,你可以使用 `append()` 函数。你可以将一个新的 DataFrame 或者 Series 追加在一个已有的 DataFrame 的末尾。例如,假设你有一个名为 `df1` 的 DataFrame 和一个名为 `df2` 的 DataFrame,你可以这样追加 `df2`: ```python df1 = df1.append(df2) ``` 你也可以使用 `concat()` 函数来追加多个 DataFrame。例如,假设你有三个 DataFrame,你可以这样追加它们: ```python df = pd.concat([df1, df2, df3]) ``` 如果你想在 DataFrame 中追加一行数据,你可以使用 `loc[]` 函数来定位新行的位置,并将数据插入其中。例如,假设你有一个名为 `new_row` 的 Series,你可以这样将其插入 DataFrame 的末尾: ```python df.loc[len(df)] = new_row ``` ### 回答2: Pandas 是一种Python的开源数据分析库,可以进行数据处理、数据清洗、数据分析、数据可视化等多种操作。在Pandas中,我们可以使用append()方法来追加数据。 首先,我们需要创建一个的DataFrame来保存数据: ```python import pandas as pd # 创建的DataFrame df = pd.DataFrame(columns=['姓名', '年龄', '性别']) ``` 然后,我们可以使用append()方法来追加数据。append()方法接受一个字典或者Series作为参数,表示要追加的数据。例如,我们要追加一个名为"小明"的数据: ```python # 追加数据 new_data = {'姓名': '小明', '年龄': 18, '性别': '男'} df = df.append(new_data, ignore_index=True) ``` 在上面的代码中,我们使用字典表示要追加的数据,注意字典的键需要与DataFrame中的列名相对应。append()方法会将新的数据作为一行追加到DataFrame中,ignore_index=True表示重新生成索引。 如果要追加多行数据,可以使用一个包含多个字典的列表来表示: ```python # 追加多行数据 new_data_list = [{'姓名': '小红', '年龄': 20, '性别': '女'}, {'姓名': '小刚', '年龄': 22, '性别': '男'}] df = df.append(new_data_list, ignore_index=True) ``` 以上就是使用Pandas追加数据的方法,通过使用append()方法,我们可以方便地将新的数据追加到DataFrame中。 ### 回答3: Pandas是一个为Python编程语言提供数据分析的库。在处理数据时,我们常常需要将新的数据追加到已有的数据集中。Pandas提供了几种方法来实现数据的追加操作。 首先,我们可以使用`append()`函数来将一个DataFrame或者一个Series数据追加到另一个DataFrame中。例如,我们有一个名为`df1`的DataFrame,可以使用`df1.append(df2)`来将`df2`的数据追加到`df1`中。 另外,我们也可以使用`concat()`函数来将多个DataFrame进行合并。`concat()`函数接受一个包含多个DataFrame的列表作为参数,并返回一个新的DataFrame。例如,我们有一个名为`df1`的DataFrame和一个名为`df2`的DataFrame,可以使用`pd.concat([df1, df2])`来将两个DataFrame合并为一个新的DataFrame。 此外,我们还可以使用`join()`函数来将两个DataFrame按照某个共同的列进行合并。`join()`函数会根据这个共同的列来匹配两个DataFrame中的数据,并将它们合并为一个新的DataFrame。例如,我们有一个名为`df1`的DataFrame和一个名为`df2`的DataFrame,可以使用`df1.join(df2, on='key')`来将两个DataFrame按照`key`列进行合并。 总结起来,Pandas提供了多种方法来实现数据的追加操作,包括`append()`函数、`concat()`函数和`join()`函数。我们可以根据具体的需求选择合适的方法来将新的数据追加到已有的数据集中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小李飞刀李寻欢

您的欣赏将是我奋斗路上的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值