pandas 缺失值不是NaN的处理情况

最新推荐文章于 2024-05-09 17:51:30 发布
最新推荐文章于 2024-05-09 17:51:30 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： pandas numpy 文章标签： python 机器学习 数据分析
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_43229819/article/details/121318658
版权 
import pandas as pd
import numpy as np

data = pd.Series([1, -999, 2, -999, -1000, 3])

# 替换单个值
# data.replace(-999, np.NaN, inplace=True)  # 将 -999替换成为 Nan

# 替换多个值
# data.replace([-999, -1000], np.NaN, inplace=True)

# 对不同的值替换
# data.replace([-999, -1000], [np.nan, 0], inplace=True)
# 传入的参数可以是字典
data.replace({-999: np.nan, -1000: 0}, inplace=True)
print(data)
默默前行的旅者
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas 缺失值与空值处理的实现方法
12-31
1.相关函数 df.dropna() df.fillna() df.isnull() df.isna() 2.相关概念 空值：在pandas中的空值是”” 缺失值：在dataframe中为nan或者naT（缺失时间），在series中为none或者nan即可 3.函数具体解释 DataFrame.dropna(axis=0, how=’any’, thresh=None, subset=None, inplace=False) 函数作用：删除含有空值的行或列 axis:维度，axis=0表示index行,axis=1表示columns列，默认为0 how:”all”表示这一行或
Python-零基础学习Pandas知识点整理
weixin_47768257的博客
09-27 804
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200927221850429.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Nzc2ODI1Nw==,size_16,color_FFFFFF,t_70#pic_center) 写在前面，我也是一名python学习小白，从最近开始学习P.
将Excel表中的0 、NaT、nan替换为缺失值
qq_40441160的博客
12-12 3734
data.replace(0, np.nan, inplace=True) data.replace("NaT", np.nan, inplace=True) data.replace("nan", np.nan, inplace=True)
pandas 判断是否等于nan_数据处理进阶pandas入门（十一）
weixin_39537397的博客
12-06 785
回顾 在数据处理进阶pandas入门(十)中，我们介绍了时间序列的重采样，其中resample()方法中的closed和label两个参数需要重点理解。今天我们看一下pandas中如何利用现成方法来进行一些简单常见的数值计算和统计。常用的简单数值计算方法 我们使用pandas的一个主要目的就是为了进行数据的数值计算和统计。常用的简单数值计算方法有： count()：统计非NaN值的数量。 max(...
pandas 判断是否等于nan_python 值比较判断，np.nan is np.nan 却 np.nan != np.nan ,pandas 单个数据框值判断nan...
weixin_29061821的博客
01-12 1582
pandas中DataFrame，Series 都有 isnull()方法，而数据框却没有，用了就会报错：AttributeError: ‘float‘ object has no attribute ‘isnull‘怎么判断单个框是否为 np.nanPython常规的判断，==，和is， 这对None是有效的None is NoneOut[49]: TrueNone == NoneOut[50]...
对pandas数据判断是否为NaN值的方法详解
09-19
今天小编就为大家分享一篇对pandas数据判断是否为NaN值的方法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pandas 空字符串与na区别_获取pandas.read_csv以将空值读取为空字符串而不是nan
weixin_39837607的博客
12-19 330
I'm using the pandas library to read in some CSV data. In my data, certain columns contain strings. The string "nan" is a possible value, as is an empty string. I managed to get pandas to read "nan...
this.$set用法
weixin_45644355的博客
10-07 238
调用方法: Vue.set( target , key , value) target: 要更改的数据源（可以是一个对象或者数组） key 要更改的具体数据 （索引） value 重新赋的值 例子： initItem(data) { data.forEach((item) => { this.set(this.newData,item.age,item);this.set(this.newData, item.age, item); this.set(this.newData,it
python pandas 判断是否为空“nan”
呆萌的代Ma
09-06 8172
使用： a = None pd.isna(a)
pandas 4 处理缺失数据nan
轮子去哪儿了
02-26 417
pandas 4 处理缺失数据nan from __future__ import print_function import pandas as pd import numpy as np np.random.seed(1) dates = pd.date_range('20130101', periods=6) df = pd.DataFrame(np.arange(24).reshap...
简单了解Pandas缺失值处理方法
01-21
这篇文章主要介绍了简单了解Pandas缺失值处理方法,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 判断数据是否为NaN： pd.isnull(df), pd.notnull(df) 判断...
Pandas缺失值2种处理方式代码实例
01-19
不是缺失值nan，有默认标记的 1、存在缺失值nan,并且是np.nan # 判断数据是否为NaN # pd.isnull(df),pd.notnull(df),pd.isna(df) # 读取数据 movie = pd.read_csv(./date/IMDB-Movie-Data.csv) ##第一种 删除 # ...
pandas如何处理缺失值
12-31
pandas使用浮点值NaN(Not a Number)表示浮点数和非浮点数组中的缺失值，同时python内置None值也会被当作是缺失值。 a、Series的缺失值判断 s = Series([a,b,np.nan,c,None]) print(s) ''' 0 a 1 b 2 NaN 3 c...
详解Pandas 处理缺失值指令大全
12-17
对于数值型数据，分为缺失值（NAN）和非缺失值，对于缺失值的检测，可以通过Python中pandas库的Series类对象的isnull方法进行检测。 import pandas as pd import numpy as np string_data = pd.Series(['Benzema',...
pandas 判断是否等于nan_pandas的学习与使用-1
weixin_39571938的博客
12-21 190
1.什么是pandaspandas不是指熊猫0.0，它的全称是Python Data Analysis Library 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。它使Python成为强大而高效的数据分析环境的重要因素之一。2....
pandas 判断是否等于nan_Python之pandas笔记
weixin_36127428的博客
12-30 5510
一、创建1.创建 Series (一维，带标签的数组)t = pd.Series(np.arange(10), index= list(string.ascii_uppercase[:10]))2.创建 DataFrame (二维，Series的容器 )t = pd.DataFrame(np.arange(6).reshape((2,3)), index=list('ab'),columns=li...
对pandas导入的数据判断是否为NaN值
持续战斗状态的博客
04-22 175
对pandas导入的数据判断是否为NaN值。
第五节课《LMDeploy 量化部署 LLM 实践》
fanre的专栏
05-06 684
PDF链接：https://pan.baidu.com/s/1JFtvBWgEGFWJq8pHafvIUg?pwd=6666提取码：6666。
Python3实现三菱PLC串口通讯(附源码和运行图)
最新发布
qq_38203551的博客
05-09 233
通过Python语言结合三菱通信协议实现的PyQt5上位机示例
pandas缺失值处理
03-29
Pandas缺失值处理可以使用以下方法： 1. dropna()方法：将含有缺失值的行或列删除。 2. fillna()方法：使用指定的值填充缺失值。 3. interpolate()方法：使用插值法填充缺失值。 4. isna()方法：返回DataFrame中每个元素是否为缺失值的布尔值。 5. notna()方法：返回DataFrame中每个元素是否不为缺失值的布尔值。 下面给出一个示例： ```python import pandas as pd import numpy as np df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, 12]}) # 删除含有缺失值的行 df.dropna(inplace=True) # 使用指定的值填充缺失值 df.fillna(value=0, inplace=True) # 使用插值法填充缺失值 df.interpolate(inplace=True) # 返回每个元素是否为缺失值的布尔值 df.isna() # 返回每个元素是否不为缺失值的布尔值 df.notna() ``` 以上方法可以根据具体需求选择使用。

“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

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