pandas中的替换场景

工作中有个坑,自己做之前效率太低,后来知道了一个方法。

应用场景如下,需要在一个数据中找到为空的值,然后用同样的值去替换,或者用同一行中,右边的值,替换掉为空的值。

其中,需要用到的函数为:

import numpy as np

import pandas as pd

df.fillna(0)将取值为NaN的元素都赋值为0
df.fillna(method = “ffill”) 用上一个元素填充缺省值
df.fillna(method = ‘bfill’) 用下一个元素填充缺省值
df.bfill() 或者df.ffill() 用下一个值替换上面的值,或者用上面的值,替换下面的值

踩坑了,一定要注意!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
pandas,将数据框(DataFrame)的列(column)数据从万转换成千可以通过以下两种方式实现: 方法一:使用apply函数 使用apply函数可以对数据框的某一列的每个元素进行操作,从而实现数据的批量处理。 具体步骤如下: 1.定义一个函数将每个数值除以10000,实现从万转化为千。 2.使用apply函数将该函数应用到需要转换的列上。 代码示例: ```python import pandas as pd # 创建一个数据框 df = pd.DataFrame({'A': [100000, 200000, 300000], 'B': [400000, 500000, 600000]}) # 定义一个函数,将数值从万转换成千 def toThousand(x): return x/10000 # 使用apply函数将函数应用到‘A’列上,实现从万转换成千 df['A'] = df['A'].apply(toThousand) # 输出转换完成的数据框 print(df) ``` 方法二:使用map函数 map函数可以对数据框的某一列的每个元素进行操作,同样可以实现数据批量处理的效果。 具体步骤如下: 1.定义一个字典,将‘万’替换成‘千’。 2.使用map函数将字典应用到需要转换的列上。 代码示例: ```python import pandas as pd # 创建一个数据框 df = pd.DataFrame({'A': ['100万', '200万', '300万'], 'B': ['400万', '500万', '600万']}) # 定义一个字典,将‘万’替换成‘千’ replace_dict = {'万': '千'} # 使用map函数将字典应用到‘A’列上,实现从万转换成千 df['A'] = df['A'].map(lambda x: str(x).replace('万', '千')) # 输出转换完成的数据框 print(df) ``` 通过上述两种方式,都可以实现将pandas数据框的万转化为千的操作。具体使用哪种方式,需要根据具体场景和数据的不同来选择适合的方法。
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

想做个自由的人

随缘吧打赏与否还是会坚持

¥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