数据分析中判断数据类型常用方法汇总(pandas)

104 篇文章 4 订阅
37 篇文章 3 订阅

1、空值判断

判断数据是否为空值的常用函数有:pd.isna(),pd.isnull(),np.isnat()和np.isnan(),四种方法用于判断的数据类型如下表所示:
在这里插入图片描述
注意:
1、判断某个值是否空值,将该值传给相应函数即可,如pd.isna(input_data)、np.isnan(np.nan);
2、pd.isna 是pandas0.21版本引入的,能判别最大范围的空值;
3、对array、Serise或DataFrame运用相关函数时,结果也是相同形状的array、Serise或者DataFrame,例如:
在这里插入图片描述

2、其他数据类型判断
2.1 判断Serise或DataFrame中某一列的数据类型

此时,可以借助pd.api.types方法,使用方法例如:

pd.api.types.is_datetime64_any_dtype(Serise_1)

详细的方法列表如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.2 利用np.issubdtype()判断Serise或DataFrame中某元素的类型

使用方法举例:

np.issubdtype(df['str'][0],np.string_) #True
np.issubdtype(df['int32'][0],np.int32) #True
np.issubdtype(df['float64'][0],np.number)#True
参考文献:

1、49 pandas数据类型判断(汇总)

2、pandas数据类型判断(三)数据判断

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是 pandas 常用的数据清洗与处理方法: 1. 缺失值处理:使用 `dropna()` 函数删除包含缺失值的行或列;使用 `fillna()` 函数填充缺失值。 2. 重复值处理:使用 `drop_duplicates()` 函数移除 DataFrame 的重复行;使用 `duplicated()` 函数查找 DataFrame 的重复行。 3. 数据类型转换:使用 `astype()` 函数将 DataFrame 数据类型转换为指定类型。 4. 数据合并:使用 `merge()` 函数将两个 DataFrame 按照指定的列进行合并;使用 `concat()` 函数将多个 DataFrame 沿着指定的轴进行合并。 5. 数据分组:使用 `groupby()` 函数将 DataFrame 按照指定的列进行分组,并对每个组进行统计分析。 6. 数据排序:使用 `sort_values()` 函数对 DataFrame 按照指定的列进行排序;使用 `sort_index()` 函数对 DataFrame 按照行或列的索引进行排序。 7. 数据透视表:使用 `pivot_table()` 函数对 DataFrame 进行透视,将数据按照指定的行和列进行汇总,并进行统计分析。 8. 数据切片与切块:使用 `loc()` 或 `iloc()` 函数对 DataFrame 进行行或列的切片;使用 `cut()` 函数将 DataFrame 数据按照指定的范围切块。 9. 数据聚合:使用 `agg()` 函数对 DataFrame 进行聚合操作,如求和、计数、平均值等。 10. 数据转换:使用 `apply()` 函数对 DataFrame 的每个元素进行转换,如将字符串转换为日期类型、将数值进行归一化等。
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
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