快捷導(dǎo)航

pandas缺失值np.nan, np.isnan, None, pd.isnull, pd.isna

更新時(shí)間：2024年04月03日 10:49:59 作者：每天都想躺平的大喵

本文主要介紹了pandas缺失值np.nan, np.isnan, None, pd.isnull, pd.isna

對某個(gè)值是否為nan進(jìn)行判斷，只能用np.isnan(i)，絕不可用 i == np.nan 來判斷，因?yàn)閚an具有不等于自身的屬性，應(yīng)該使用np.isnan來測試nan值，如np.isnan(np.nan)將產(chǎn)生True；
np.nan非空對象，其類型為基本數(shù)據(jù)類型float；

np.nan

np.nan
not a member	nan的含義是“not a number“，它是對array中缺失的數(shù)值的占位符
type 為 float	因?yàn)榇砣笔У臄?shù)值，np.nan的type是float
可參與計(jì)算	np.nan的type是float，所以np.nan可參與計(jì)算，且占主導(dǎo)地位，也就是算出的值都為np.nan
不等于自身	如果用np.nan==np.nan，會(huì)發(fā)現(xiàn)返回的結(jié)果為False，如果用np.nan in array，也不能發(fā)現(xiàn)array中是否包含np.nan
np.isnan判斷是否存在np.nan	np.nan因?yàn)闆]有等于的概念，所以要判斷是否存在np.nan，只可以用np.isnan來判斷
np.isnan只可以判斷數(shù)值型	如果用np.isnan對其余type的array判斷，會(huì)報(bào)錯(cuò)，np.isnan只可以判斷數(shù)字型array

忽略np.nan的numpy計(jì)算
nansum()
nanmax()
nanmin()
nanargmax()
nanargmin()

nan和None

python自帶的 None ，為 NoneType 類型, 代表空類型，不能參與運(yùn)算；
numpy中的 isnan 對應(yīng)的是 NaN 值，代表“不是數(shù)字”，數(shù)值類型為 float ，數(shù)組中顯示為nan，能參與運(yùn)算，但結(jié)果顯示為NaN；

None

None
NoneType	None的type為NoneType，是python內(nèi)置的
不可參與計(jì)算	None不可參與計(jì)算，否則報(bào)錯(cuò)
None is None 或者 None==None	這兩種方式返回值都是True

pd.isnull 和 pd.isna

pd.isnull pd.isna
pd.isnull 和 pd.isna是同一個(gè)東西	用命令pd.isnull==pd.isna，會(huì)發(fā)現(xiàn)返回值為True
None和np.nan在pandas中都是缺省值	None和np.nan都會(huì)被pd.isnull或者pd.isna判斷為True
可以判斷List或者單獨(dú)一個(gè)值	pd.isnull和pd.isna的判斷對象可以為一個(gè)值或者一個(gè)list
pandas中缺省值不參與計(jì)算	當(dāng)使用df.min()等計(jì)算時(shí)，會(huì)發(fā)現(xiàn)缺省值不參與計(jì)算

代碼示例

只可以用np.isnan判斷array中是否包含np.nan

a = np.array([1,2,3,4,np.nan])
a == np.nan
>>> array([False, False, False, False, False])
np.nan in a
>>> False
np.isnan(a)
>>> array([False, False, False, False,  True])

np.nan可參與計(jì)算，np.nan占主導(dǎo)地位

a = np.array([1,2,3,4,np.nan])
a.max()
>>> np.nan
a.min()
>>> np.nan
b = np.array([1,np.nan,3,4,5])
a+b
>>> array([ 2., nan,  6.,  8., nan])

np.isnan只可以對數(shù)值型array判斷，當(dāng)array中其余的元素為字符串是，array會(huì)將np.nan轉(zhuǎn)換成’nan’

在這里插入圖片描述

在pandas中，np.nan和None都被視為缺省值

df = pd.DataFrame({'col1':['a','b','c','d'], 'col2':[1,2,3,4]})
df.loc[1,'col1'] = np.nan
df.loc[2,'col1'] = None
df
>>> col1	col2
0	a	1
1	NaN	2
2	None	3
3	d	4

pd.isna(df)
>>>	col1	col2
0	False	False
1	True	False
2	True	False
3	False	False

pandas中缺省值不參與計(jì)算

df = pd.DataFrame(np.arange(8).reshape(2,4))
df.iloc[0,1] = None
df.iloc[0,2] = np.nan
df
>>> 0	1	2	3
0	0	NaN	NaN	3
1	4	5.0	6.0	7

df.min(axis=1)
>>> 0    0.0
1    4.0
dtype: float64

到此這篇關(guān)于pandas缺失值np.nan, np.isnan, None, pd.isnull, pd.isna的文章就介紹到這了,更多相關(guān) np.nan, np.isnan, None, pd.isnull, pd.isna內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: