Pandas中的一些操作

最新推荐文章于 2023-05-05 22:25:14 发布
最新推荐文章于 2023-05-05 22:25:14 发布
阅读量291 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42830697/article/details/118731889
版权
本文介绍了如何使用Pandas库在Python中处理数据帧中的空值。通过`isnull()`函数判断`age`列是否存在空值，然后利用逻辑运算符`~`取反来选择非空数据，最后通过索引操作提取出`age`列中非空的数据点。
摘要由CSDN通过智能技术生成

一、删除某列的空值数据

存在一个df，age列中存在空值，目的：删除空值，并且提取出age列非空数据。

#判断age列是否空值
df['age'].isnull()
#对判定结果取反
~df['age'].isnull()
#提取非空数据
df['age'][~df['age'].isnull()]

 

 

 

Python伊甸园
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas 透视表中文字段排序方法
09-19
在Python数据分析领域，pandas库是非常重要的工具，它提供了丰富的数据操作功能，包括创建和操作透视表（pivot table）。在处理包含中文字段的数据时，可能会遇到排序问题，因为pandas默认的排序规则可能无法满足...
入门Pandas，你必须掌握的技巧
尤尔小屋
04-20 843
入门Pandas，你必须掌握的技巧 总结自己经常使用的pandas操作方法： 创建DataFrame数据 查看数据相关信息 查看头尾文件 花样取数 切片取数 常见函数使用 导入包 import pandas as pd import numpy as np 使用技巧1-创建DataFrame数据 方式1：自己直接创建 df1 = pd.DataFrame({ "name":["小明","小红","小孙","王小","关宇","刘蓓","张菲"], "age":[20,18,27,2
Pandas运用isin和isin取反的用法
weixin_53798397的博客
05-05 951
isin的用法isin的取反。
十分钟入门pandas
XIAOTWOB的博客
09-13 241
对象创建 通过传入一些值来创建一个Series，pandas会自动创建一个默认的整数索引（从0开始） pd.Series([1,3,5,np.nan,6,8]) ---------- 0 1.0 1 3.0 2 5.0 3 NaN 4 6.0 5 8.0 dtype: float64 通过传递带有日期时间索引和带标签列的NumPy数组来创建DataFra...
python 取反_自从用了这招pandas 空数据处理方法，python编程速度提升了不少
weixin_39520210的博客
11-27 3732
今天为大家带来的内容是：自从用了这招pandas 空数据处理方法，python编程速度提升了不少文章内容主要介绍了pandas 空数据处理方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友可以参考下。1.查看行或列是否有空格(以下的df为DataFrame类型，axis=0,代表列，axis=1代表行，以下的返回值都是行或列索引加上布尔值)isnull...
pandas基础操作1.0
12-22
本篇主要介绍pandas的基础操作，包括Series和DataFrame的创建，以及Series的切片、索引和读取外部文件。 1. **pandas常用数据类型** - **Series**：Series是一种一维数据结构，类似于一维数组，但每个元素都有一个...
Python Pandas数据中对时间的操作
09-18
Pandas库中，`pd.to_datetime()`函数用于将时间数据转换成Pandas能够识别和操作的时间戳格式。这是处理时间数据的第一步，因为只有转换成时间戳，才能进行后续的时间计算和分析。例如，当数据集中的时间是字符串格式...
pandas 中文手册
07-17
Pandas 是一个强大的开源数据处理和分析库，它在Python编程语言中广泛使用。这个中文手册旨在为初学者提供一个快速掌握Pandas基本功能的平台，帮助他们轻松入门。通过官方教程和各种指南，学习者可以深入理解Pandas...
pandas官方文档中文版_python教程_pandas中文API_pandas中文_
10-02
Pandas是Python编程语言中的一个强大且广泛使用的数据分析库。它为数据清洗、处理、分析和可视化提供了一系列高效工具，使得数据科学家和分析师能够轻松地进行数据操作。Pandas中文API文档是学习和掌握这个库的重要...
pandas 数据索引与选取的实现方法
01-01
我们对 DataFrame 进行选择，大抵从这三个层次考虑：行列、区域、单元格。 其对应使用的方法如下： 一. 行，列 –> df[] 二. 区域   –> df.loc[], df.iloc[], df.ix[] 三. 单元格 –> df.at[], df.iat[] 下面开始练习： import numpy as np import pandas as pd df = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD')) 1. df[]: 一维 行维度：     整数切片、标签切片
关于pandas或numpy中 bool 类型运算
qq_36355073的博客
11-05 4949
关于pandas或numpy中 bool 类型运算or 和 and 运算异或运算取反 or 和 and 运算 pandas 或 numpy 中，bool类别，or 和 and 操作和常规操作是一样（需使用操作符 | 和 &，否则报错） import pandas as pd import numpy as np a = np.array([True, True, False, False,...
pandas数据分析之数据运算(逻辑运算、算术运算、统计运算、自定义运算)
学而思(xiejava的blog)
02-03 5837
数据分析离不开数据运算，在介绍完pandas的数据加载、排序和排名、数据清洗之后，本文通过实例来介绍pandas的常用数据运算，包括逻辑运算、算术运算、统计运算及自定义运算。
【Python】详解pandas的isin索引和~反向索引
tlammon的专栏
05-10 4719
有的时候会经常遇到条件过滤的场景，这个时候可能经常使用isin或者是~来进行一步操作，而不是写条件语句的方式，这样来提高效率和简洁度。 1、直接根据条件进行索引，isin()接受一个列表，判断该列中元素是否在列表中 import numpy as np import pandas as pd df=pd.DataFrame(np.random.randn(4,4),columns=['A','B','C','D']) df Out[189]: A B ...
pandas提取数据的6种方法
小琳爱分享的博客
03-07 1万+
pandas提取数据的15种方法 pandas是Python数据分析必备工具，它有强大的数据清洗能力，往往能用非常少的代码实现较复杂的数据处理。 五个方面： 比较运算：、<、>、>=、<=、!= 范围运算：between(left,right) 字符筛选:str.contains(pattern或字符串,na=False) 逻辑运算：&（与）、|（或）、not(取反) 比较函数：eq, ne, le, lt, ge, gt（相当于,=!，<=，<，>=
python-布尔值取反
鱼七
02-13 6万+
python-布尔值取反
pandas中isin()函数及其逆函数使用
热门推荐
lzw2016的博客
05-27 18万+
我使用这个函数就是用来清洗数据，删选过滤掉DataFrame中一些行。 布尔索引 这里你需要知道DateFrame中布尔索引这个东西，可以用满足布尔条件的列值来过滤数据，如下 &amp;gt;&amp;gt;&amp;gt; df=pd.DataFrame(np.random.randn(4,4),columns=['A','B','C','D']) &amp;gt;&amp;gt;&amp;gt; df A
取反！和按位取反~的区别
皮皮blog
07-03 7万+
按位取反“~”：按位取反1变0，0变1 逻辑非“！”：逻辑取反, false变true,true变false，在C中，只要不是0就是真 ------------------------------------------------------------------------------------------------------------------------------
pandas筛选dataframe数据：指定一个数据列的值等于某个固定值，而且另外一个数据列的值大于某一阈值之外的所有数据行（取反操作~符号）
data+scenario+science+insight
05-01 1974
pandas筛选dataframe数据：指定一个数据列的值等于某个固定值，而且另外一个数据列的值大于某一阈值之外的所有数据行（取反操作~符号）
pandas中的isin函数详解
大数据分析实战
11-01 4万+
原文链接：http://www.datastudy.cc/to/68 今天有个同学问到，not in 的逻辑，想用 SQL 的select c_xxx_s from t1 left join t2 on t1.key=t2.key where t2.key is NULL 在 Python 中的逻辑来实现，实现了 left join 了（直接用join方法），但是不知道怎么实现where
pandas中字符串操作
最新发布
04-26
在pandas中，可以使用字符串操作来处理和操作Series或DataFrame中的字符串数据。pandas提供了一组强大的字符串处理方法，可以方便地进行字符串的拆分、替换、提取等操作。 以下是pandas中常用的字符串操作方法： 1. 字符串拆分：使用`str.split()`方法可以将字符串拆分成多个部分，并返回一个包含拆分后结果的Series或DataFrame。可以指定分隔符、拆分的次数等参数。 2. 字符串替换：使用`str.replace()`方法可以将字符串中的某个子串替换为另一个子串。可以指定要替换的子串、替换后的子串等参数。 3. 字符串提取：使用`str.extract()`方法可以从字符串中提取满足某种模式的子串，并返回一个包含提取结果的Series或DataFrame。可以使用正则表达式来指定提取的模式。 4. 字符串匹配：使用`str.contains()`方法可以判断字符串是否包含某个子串，并返回一个布尔类型的Series或DataFrame。 5. 字符串大小写转换：使用`str.lower()`和`str.upper()`方法可以将字符串转换为小写或大写形式。 6. 字符串去除空格：使用`str.strip()`、`str.lstrip()`和`str.rstrip()`方法可以去除字符串中的前导空格、尾部空格或两端空格。 7. 字符串连接：使用`str.cat()`方法可以将多个字符串连接成一个字符串，并返回一个包含连接结果的Series或DataFrame。 这些只是pandas中字符串操作的一部分，还有其他更多的方法可以用于字符串处理。你可以参考pandas官方文档来了解更多详细的信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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