欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python之np.where()如何替換缺失值

 更新時(shí)間：2024年02月02日 15:45:32   作者：Asher117  
這篇文章主要介紹了Python中的np.where()如何替換缺失值問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

np.where()替換缺失值

使用Python做數(shù)據(jù)分析時(shí)經(jīng)常需要替換缺失值。

np.where(條件,x,y)

np.where函數(shù)的結(jié)果是，如果“條件”為真，則x，否則y。

如下：

import pandas as pd
import numpy as np
df = pd.DataFrame(data={
    'A':[1,1,np.nan,2],
    'B':[2,np.nan,4,5],
    'C':[3,8,12,6]
})
df
     A    B    C
0    1.0    2.0    3
1    1.0    NaN    8
2    NaN    4.0    12
3    2.0    5.0    6

使用np.where在A列缺失值處填C列的數(shù)

df['A'] = np.where(df['A'].isnull(),df['C'],df['A'])
df
    A    B    C
0    1.0    2.0    3
1    1.0    NaN    8
2    12.0 4.012
3    2.0    5.0    6
####################

使用data(DataFrame)的A列，填補(bǔ)df的A列

eg：

df['A'] = np.where(df['A'].isnull(),data['A'],df['A'])

np.where()函數(shù)

調(diào)用方式及參數(shù)說明

numpy.where(condition[, x, y])

各個(gè)參數(shù)意義：

  • condition：類似數(shù)組的對(duì)象，布爾值
  • x, y：類似數(shù)組的對(duì)象，給出值的地方，如果 condition 為 True，從 x 中選取值，condition 為 False，從 y 中選取值。

有返回值，返回一個(gè)滿足條件時(shí)取x中對(duì)應(yīng)的值，不滿足條件時(shí)取 y 中對(duì)應(yīng)值的數(shù)組。

注意：

這里的 condition，x，y只是為了表示以及說明時(shí)的必要，并不是真正意義上的關(guān)鍵字。

示例1：獲取一維數(shù)組中最大元素所處位置

這里我們給出使用 np.where() 函數(shù)獲取一維數(shù)組中最大值對(duì)應(yīng)位置的例子。

# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np


class Debug:
    @staticmethod
    def mainProgram():
        array = np.array([0, 1, 2, 3, 5, 4])
        array_ = np.where(array == np.max(array))
        print("array_的值為:")
        print(array_)


if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
array_的值為:
(array([4], dtype=int64),)
"""

這里 array_ 的結(jié)果為 4，4 表示一維數(shù)組中最大元素所對(duì)應(yīng)的索引值。

示例2：獲取二維數(shù)組中最大元素所處位置

# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np


class Debug:
    @staticmethod
    def mainProgram():
        array = np.array([[0, 1, 2, 3, 5, 4, 5], [0, 1, 2, 3, 4, 5, 5]])
        array_ = np.where(array == np.max(array))
        print("array_的值為:")
        print(array_)


if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
array_的值為:
(array([0, 0, 1, 1], dtype=int64), array([4, 6, 5, 6], dtype=int64))
"""

首先通過觀察不難發(fā)現(xiàn)，該二維數(shù)組中的最大值為 5，且一共有 4 個(gè)最大元素存在，因此，最終的結(jié)果應(yīng)該存在 4 組數(shù)據(jù)表示這四個(gè)元素的位置。

結(jié)果中的 array([0, 0, 1, 1], dtype=int64) 表示數(shù)組中的 y 索引值，array([4, 6, 5, 6], dtype=int64) 表示 x 的索引值。

示例3：獲取三維數(shù)組中最大元素所處位置

# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np


class Debug:
    @staticmethod
    def mainProgram():
        array = np.array([[[0, 1], [0, 1]],
                          [[1, 2], [1, 2]],
                          [[1, 3], [1, 3]]])
        array_ = np.where(array == np.max(array))
        print("array_的值為:")
        print(array_)


if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
array_的值為:
(array([2, 2], dtype=int64), array([0, 1], dtype=int64), array([1, 1], dtype=int64))
"""

顯而易見，三維結(jié)果同二維的情況類似，只是多了一個(gè)維度，且輸出結(jié)果三組數(shù)據(jù)分別對(duì)應(yīng) z,y,x 坐標(biāo)，其他的這里不做過多解釋了。

示例4：Condition 方法

# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np


class Debug:
    @staticmethod
    def mainProgram():
        array = np.where([[True, False], [True, True]], [[1, 2], [3, 4]], [[9, 8], [7, 6]])
        print("array的值為:")
        print(array)


if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
array的值為:
[[1 8]
 [3 4]]
"""

我們可以看到，這里的 [[True, False], [True, True]] 相當(dāng)于我們說的 condition，[[1, 2], [3, 4]] 相當(dāng)于 x，[[9, 8], [7, 6]] 相當(dāng)于 y，當(dāng)我們的 conditon 為 False 時(shí)從y中取出了數(shù)值 8，其他數(shù)值全部從 x 中的對(duì)應(yīng)位置取出。最終我們得到了上述結(jié)果。

示例5：更改二維數(shù)組中符合要求的數(shù)據(jù)

這里我們將二維數(shù)組中值大于等于 3 的元素更改為 8。

顯然，值大于等于 3 的元素對(duì)應(yīng)倒數(shù)第二個(gè)元素和最后一個(gè)元素。

import numpy as np

arr_2d = np.array([[1, 2],
              [3, 4]])

pos_y, pos_x = np.where(arr_2d >= 3)

print(f"np.where() 函數(shù)得到的索引值元胞的形狀為: {arr_2d[np.where(arr_2d >= 3)].shape}") 
print(f"np.where() 函數(shù)得到的索引值元胞的形狀為: {arr_2d[pos_y, pos_x].shape}")
print(f"二維數(shù)組 arr_2d 中滿足要求的元素為: {arr_2d[pos_y, pos_x]}")

arr_2d[pos_y, pos_x] = 8
print("修改元素后二維數(shù)組中存放的元素值為：")
print(arr_2d)
"""
result:
np.where() 函數(shù)得到的索引值元胞的形狀為: (2,)
np.where() 函數(shù)得到的索引值元胞的形狀為: (2,)
二維數(shù)組 arr_2d 中滿足要求的元素為: [3 4]
修改元素后二維數(shù)組中存放的元素值為：
[[1 2]
 [8 8]]
"""

這里需要注意的一點(diǎn)是，當(dāng)我們使用 np.where() 函數(shù)獲取對(duì)應(yīng)二維數(shù)組中滿足要求的元素值的索引后，再通過 arr_2d[pos_y, pos_x] 獲取數(shù)組中滿足要求的元素時(shí)，獲取到的滿足要求的元素會(huì)被自動(dòng)展平存放在一個(gè)一維數(shù)組中。

總結(jié)

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

相關(guān)文章

最新評(píng)論