欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Pandas 如何處理DataFrame中的inf值

 更新時間：2022年05月09日 10:16:49   作者：是杰夫呀  
這篇文章主要介紹了Pandas 如何處理DataFrame中的inf值，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

如何處理DataFrame的inf值

在用DataFrame計算變化率時，例如(今天-昨天) / 昨天恰好為(2-0) / 0時，這些結(jié)果數(shù)據(jù)會變?yōu)閕nf。

為了方便后續(xù)處理，可以利用numpy，將這些inf值進行替換。

1. 將某1列（series格式）中的 inf 替換為數(shù)值。

import numpy as np
?
df['Col'][np.isinf(df['Col'])] = -1

2. 將某1列（series格式）中的 inf 替換為NA值。

import numpy as np
?
df['Col'][np.isinf(df['Col'])] = np.nan

3. 將整個DataFrame中的 inf 替換為數(shù)值（空值同理）。#感謝評論區(qū)的補充

import numpy as np
?
df.replace(np.inf, -1) #替換正inf為-1
?
#替換正負inf為NA，加inplace參數(shù)?
df.replace([np.inf, -np.inf], np.nan, inplace=True)

DataFrame有關inf的處理技巧

numpy中inf的相關文檔

什么是inf？

IEEE 754浮點表示（正）無窮大。

為什么會產(chǎn)生？

>>> np.NINF
-inf
>>> np.inf
inf
>>> np.log(0)
-inf
>>> np.array([1,2])/0 #碰到的最多的情況
array([ inf, ?inf])

產(chǎn)生inf有什么好處？

目前沒看到有什么好處，只是單純用inf表示無窮大，方便理解和表示。

產(chǎn)生inf有什么壞處？

對用戶而言，對inf需要特殊處理，加大了工作量。

為什么需要特殊處理？因為許多機器學習算法庫并不支持對inf的處理。

怎么處理？

常見的處理方法：

  • 不處理
  • 替換

怎么獲取到inf的所在位置并進行填補？

  • isinf：顯示哪些元素為正或負無窮大
  • isposinf：顯示哪些元素為正無窮大
  • isneginf：顯示哪些元素為負無窮大
  • isnan：顯示哪些元素不是數(shù)字
  • isfinite：顯示哪些元素是有限的（不是非數(shù)字，正無窮大和負無窮大中的一個）
'''
>>> np.isinf(np.inf) #其他函數(shù)同理使用，isinf使用最多。
True
>>> np.isinf(np.array([1,np.inf]))
array([False, ?True], dtype=bool)
>>>np.isinf(pd.DataFrame(np.array([1,np.inf])))
? ? ? ?0
0 ?False
1 ? True
>>>s1 = pd.Series([1,2,3,np.inf])
>>>s1
0 ? ?1.0
1 ? ?2.0
2 ? ?3.0
3 ? ?NaN
dtype: float64
#對inf填補 999
>>>s1[np.isinf(s1)] = 999
>>>s1
0 ? ?1.0
1 ? ?2.0
2 ? ?3.0
3 ?999.0
dtype: float64
#對inf填補np.nan (較為常用)
>>>s1[np.isinf(s1)] = np.nan
>>>s1
0 ? ?1.0
1 ? ?2.0
2 ? ?3.0
3 ? ?NaN
dtype: float64

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

相關文章

最新評論