pandas.Series存在 np.nan时 数据的个数

最新推荐文章于 2022-12-10 12:10:22 发布
最新推荐文章于 2022-12-10 12:10:22 发布
阅读量1.2k 收藏 1
点赞数 1
文章标签： python numpy
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/yingfly/article/details/106078387
版权

python 太灵活了, 一个数组的元素个数，在含有 np.nan时，不同的方法返回值不同

tmp = [np.nan,0.3,0.3,0.2]
tmp=pd.Series(tmp)
tmp.count(), tmp.shape[0], tmp.size, len(tmp)

返回值依次为

(3, (4,), 4, 4)
yingfly
关注
100天精通Python（数据分析篇）——第54天：Pandas之Series对象基础大总结
努力让自己发光，对的人才能迎着光而来
09-05 1万+
一、什么是Series？ 二、创建Series 1. list构建Series 2. ndarray创建 3. dict字典对象创建 4. 指定索引创建 5. 设置 Series名称参数创建 三、索引操作 1. 行索引 2. 切片索引 3. 不连续索引 4. 布尔索引 四、层级索引 1. MultiIndex索引对象 2. 选取子集 3. 交换分层顺序 五、对齐运算 1. 按行、索引对齐
pandas 统计时，把nan统计进去
weixin_34387284的博客
06-05 1420
df.m.value_counts(dropna=False) dropna=True 忽略nan
记一次Python 中判断文件是存在 和 pandas的使用
by_yangge的博客
10-02 2726
爬啊爬啊 爬数据 今天学习的过程，发现一些零碎的知识点的记录。比如我爬完了数据,然后将数据保存到xxxx.csv中的时候,这其中就会有涉及到 我这个csv的文件是否存在,如果不存在的话,是需要创建的。其次,数据按照格式保存到csv中. 1 : 先记录下判断文件是否存在,如果不存在的话,就对文件进行...
python打印为nan变量的数量_Pandas统计dataframe列中为NaN的行数
weixin_40003233的博客
12-17 1945
这分为两种情况：缺少值NaN和字符串NaN。缺少值NaNdf = pd.DataFrame({'value':[np.nan, np.nan, 1, 5, 7]})print (df)value0 NaN1 NaN2 1.03 5.04 7.0count = df['value'].isna().sum()#或者 count = df['value'].is...
python里面的nan的几种情况_python:numpy中数组的NAN和常用统计方法
weixin_39555951的博客
12-10 2775
两个nan是不相等的In [1]:import numpy as npIn [2]:np.nan != np.nan # 两个nan不想等，返回的是TrueOut[2]: TrueIn [3]:np.nan = np.nanIn [4]:np.nan == np.nan # 两个nan想等，返回的是FalseOut[4]: False判断数组中不为0的数据的个数In [5]...
pandas中关于nan的处理
我是小蚂蚁
10-27 5万+
在pandas中有个另类的存在就是nan，解释是：not a number，不是一个数字，但是它的类型确是一个float类型。对于pandas中nan的处理，简单的说有以下几个方法。 import numpy as np import pandas as pd from pandas import Series, DataFrame n = np.nan print(type(n)) # &lt...
Python pandas，pandas.series,series的主要方法
weixin_44595372的博客
03-02 6807
Pandas 安装： pip install pandas numpy 和pandas 区别： numpy ：生成的是ndarray,数组 pandas:基于numpy，生成两种对象，一种是series,一种是dataframe。 series: 一维数组类似array,series=索引+数据。区别是Series能保存不同种数据类型，字符串、boolean值、数字等，而numpy只能存储同类型数...
python使用pandas模块介绍以及使用，dataframe结构，Series结构，基本数据操作,DataFrame运算，pandas画图，存储，缺失值处理，离散化，合并
weixin_55579895的博客
10-12 6952
目录1 pandas介绍1.1 Pandas介绍1.2 为什么使用Pandas1.3 案例：在numpy当中创建的股票涨跌幅数据形式1.4 DataFrame1.4.1 DataFrame结构1.4.2 DatatFrame的常用属性和方法 1 pandas介绍 1.1 Pandas介绍 面板 数据 （三维数据）分析 计量经济学（数据分析80% 跑计量20%） 以Numpy为基础，借力Numpy模块在计算方面性能高的优势 基于matplotlib，能够简便的画图 独特的数据结构 1.2 为什么使用Pa
Pandas 模块-操纵数据(9)-分清楚 None 和 NaN 值，处理好 NaN 值
一分耕耘一分收获
12-10 5869
Python 中特殊的常量 None，None 和 False 不同，它不表示 0，也不表示空字符串，而表示没有值，也就是空值。numpy 模块中有三个常量 np.NAN 、np.nan 、np.NaN，这三个常量其实是一个东西。后面我们就只说 np.NaN 即可。 .isnull() 和.notnull() ，.isna() 和 .notna() 使用方法，都不区分 NaN 和 None值，这到底是为什么呢？
pandas打印某一列_Pandas-01之DataFrame&Series
weixin_39856265的博客
11-20 1934
本文详细介绍Pandas数据结构DataFrame和Series的常用方法。欢迎微信随缘关注@pythonic生物人本文可以学到什么？1、pandas简介 2、pandas数据结构之-Series pandas.Series快速创建 pandas.Series取出所有值：values pandas.Series取出索引：index pandas.Series类似于numpy.ndarry的性能 ...
Pandas---统计功能
qq_41982466的博客
12-23 240
Dataframe 描述性统计和汇总统计 count() 非NA值的个数 describe() 计算Series和DataFrame各列的汇总统计集合 min(), max() 计算最小值、最大值 argmin(), argmax() 计算最小值与最大值所在的索引位置（整数） idxmin(), idxmax() 计算最小值与最大值所在的索引标签 quantile() 计算样本的从0到间的分位数 sum() 加和 mean() 求均值 median() 中位数（50%分位数） mad()
Pandas统计计数value_counts()的使用
不定时分享最优质的网络技术与教程，满满的干货。
12-10 2885
df = pd.DataFrame({'City': ['北京', '广州', '深圳', '上海', '大连', '成都', '深圳', '厦门', '北京', '北京', '上海', '珠海'],value_counts()方法返回一个序列Series，该序列包含每个值的数量(对于数据框中的任何列，value_counts()方法会返回该列每个项的计数)# 1.查看'City'这一列的计数结果(对给定列里面的每个值进行计数并进行降序排序，缺失值nan也会被排除)
Pandas的计数方法
Steven的博客
02-26 1万+
value_counts() 是一种查看表格某列中有多少个不同值的快捷方法，并计算每个不同值有在该列中有多少重复值。 是 Series 拥有的方法，统计所有非零元素的个数，默认以降序的方式输出Series，一般在 DataFrame 中使用时，需要指定对哪一列或行使用。 在Series类型中： 只有一条数据，不需要指定列数： import pandas as pd...
python 统计array中nan的个数要怎么做
q742971636的博客
04-26 1707
np.isnan(arr).sum()
python dataframe 按列统计nan值个数
mengdg3000的博客
12-22 5万+
num = df.isna().sum()
python null 和nan_python None 和 NaN
weixin_39997695的博客
12-07 1018
python原生的None和pandas, numpy中的numpy.NaN尽管在功能上都是用来标示空缺数据。但它们的行为在很多场景下确有一些相当大的差异。由于不熟悉这些差异，曾经给我的工作带来过不少麻烦。　特此整理了一份详细的实验，比较None和NaN在不同场景下的差异。实验的结果有些在意料之内，有些则让我大跌眼镜。希望读者看过此文后会None和NaN这对“小妖精”有更深的理解。为了理解本文的内...
numpy中np.nan(pandas中NAN)
热门推荐
Great haste makes great waste
01-11 7万+
在处理数据时遇到NAN值的几率还是比较大的，有的时候需要对数据值是否为nan值做判断，但是如下处理时会出现一个很诡异的结果：import numpy as npnp.nan == np.nan #此时会输出为False对np.nan进行help查看，输出如下：Help on float object:class float(object) | float(x) -> floating point
Python：Pandas学习笔记（一）Series和DataFrame、相关性及NaN处理
Jodness' Blogs
06-27 7723
目录 pandas核心数据结构 Series DataFrame Index对象 算数和数据对齐 numpy函数应用与自定义函数 Series和DataFrame的排序和排位 相关性和协方差 NaN的数据处理 pandas核心数据结构 pandas是以numpy为基础的，还提供了一些额外的方法 Series series用来表示一维数据结构，与python内部的数组类似，...
【Python】Numpy：如何找到list中的np.nan值
ninnyyan的博客
06-04 3万+
这个问题源于在训练机器学习的一个模型时，使用训练数据时提示prepare的数据中存在np.nan 报错信息如下L： ValueError: np.nan is an invalid document, expected byte or unicode string. 刚开始不知道为什么会有这个，后来发现是list中存在nan值 下面是找到nan值的方法： 简单找到： import nu...
import pandas as pd import numpy as np import os import datetime import statsmodels.api as sm import scipy as sp import math import chardet def TS_SUM(series, number): number = int(number) n = range(0, number-1) shift=series for k in n: shift=shift.shift(1) series=series+shift return series def ExpoDecay(array,halflife,number,): halflife=int(halflife) d=math.pow(0.5,1/halflife) DecayWGT=np.logspace(0,number-1,number,base=d) return sum(array*DecayWGT)/sum(DecayWGT) def TS_AVERAGE(series, number): number = int(number) l = len(series) shift = pd.Series(series) for k in range(0, number-1): shift = shift.shift(1) series = series + shift series = series / number return series def TS_wgdStd(series, number, halflife): halflife = int(halflife) d = math.pow(0.5, 1 / halflife) DecayWGT = np.logspace(0, number - 1, number, base=d) avg = TS_AVERAGE(series, number) square = (series - avg) * (series - avg) print('正在计算DASTD') l=len(series) loop=range(0,l) loop=pd.Series(loop) result=[1]*l for k in loop: if k<number-1: result[k]=np.nan else: sub_square=square.iloc[k-number+1:k+1] result[k]=math.sqrt(np.average(sub_square,weights=DecayWGT)) return result #计算波动因子（DASTD） def DASTD(data): data=pd.DataFrame(data) data['DASTD']=data.groupby('code')['ret_td'].transform(lambda x: TS_wgdStd(x,250,halflife=40)) print(data['DASTD']) print('done') DASTD=data['DASTD'] return DASTD total=pd.read_csv(r"C:\Users\lenovo\Desktop\实习\python\所有数据.csv") pingan=total[total['code']=='000001.SZ'] pingan['DASTD']=TS_wgdStd(pingan['ret_td'],250,halflife=40) print(pingan)
最新发布
07-15
你的代码中使用了一些自定义的函数来计算一些统计指标。在代码中，你定义了以下函数： 1. `TS_SUM(series, number)`: 用于计算时间序列的累加和，其中`series`表示时间序列数据，`number`表示累加的个数。 2. `ExpoDecay(array, halflife, number)`: 用于计算指数衰减加权均值，其中`array`表示输入的数组，`halflife`表示衰减半衰期，`number`表示计算的个数。 3. `TS_AVERAGE(series, number)`: 用于计算时间序列的移动平均值，其中`series`表示时间序列数据，`number`表示移动平均的窗口大小。 4. `TS_wgdStd(series, number, halflife)`: 用于计算时间序列的加权标准差，其中`series`表示时间序列数据，`number`表示计算加权标准差的窗口大小，`halflife`表示衰减半衰期。 5. `DASTD(data)`: 用于计算波动因子DASTD，其中`data`是一个DataFrame，包含了股票代码和收益率数据。 在代码中，你首先读取了一个CSV文件，并选取了股票代码为"000001.SZ"的数据进行处理。然后，你使用`TS_wgdStd`函数计算了该股票的DASTD值，并将其添加到了DataFrame中。 请注意，在使用`TS_wgdStd`函数计算DASTD时，你传入了一个Series作为参数，但该函数内部又调用了`TS_AVERAGE`函数来计算移动平均值。这样可能会导致在计算过程中出现警告或错误，请确保输入的数据和参数都符合函数的要求。 如果还有其他问题，请随时提问。
评论 1
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