欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python數(shù)據(jù)分析pandas之布爾索引使用詳解

 更新時間：2023年07月17日 10:46:59   作者：YiYa_咿呀  
這篇文章主要為大家介紹了Python數(shù)據(jù)分析pandas之布爾索引使用示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

正文

&:與
|:或

不同條件需要用（）括起來

import pandas as pd
# 構(gòu)造字典數(shù)據(jù)
dic = {
    "name":["shanjialan","shanyanhong","luckyapple"],
    "age":[21,23,12],
    "hobby":["sports","music","programming"]
}
# dataframe讀取字典
df = pd.DataFrame(dic)

# 簡單判斷
print(df[df["age"]>18])
print(df[df["name"].str.len()>10])
# 復(fù)雜判斷
print(df[(df["age"]>18)&(df["age"]<22)])

pandas字符串的方法

pandas 缺失數(shù)據(jù)的處理

pd.isnull(df):df每個數(shù)據(jù)是否為空的bool矩陣

pd.notnull(df):df每個數(shù)據(jù)是否不為空的bool矩陣

缺失數(shù)據(jù)包括np.nan/None

import pandas as pd
import numpy as np
# 構(gòu)造字典數(shù)據(jù)
dic = {
    "name":["shanjialan","shanyanhong","luckyapple","hunvibe","chenwenhao"],
    "age":[21,23,0,np.nan,21],
    "hobby":["sports","music","programming","eating","basketball"]
}
# dataframe讀取字典
df = pd.DataFrame(dic)
print(pd.isnull(df))
print(pd.notnull(df))

缺失值的處理方法：刪除或者填充

  • df.dropna(how='all/any',inplace='True/False',axis=n):
  • how——以何種方式刪除，all:所有數(shù)據(jù)都為nan,any表示只要有一個就可；
  • inplace:是否原地修改，TRUE為原地修改，F(xiàn)ALSE為默認(rèn)選擇
  • axis:指定軸
  • df.fillna(value):填充為value值
print(df.dropna(how='any',axis=0,inplace=False))
print(df["age"].fillna(value=df['age'].mean()))

注意：在pandas中出現(xiàn)nan進(jìn)行求均值等操作會默認(rèn)為0，和在numpy中不同

處理0值

t[t==0]=np.nan

以上就是Python數(shù)據(jù)分析pandas之布爾索引使用詳解的詳細(xì)內(nèi)容，更多關(guān)于Python pandas布爾索引的資料請關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評論