Pandas 處理DataFrame中的inf值實(shí)現(xiàn)
更新時(shí)間：2024年04月03日 11:13:24 作者：是杰夫呀
Inf 表示正無窮大或負(fù)無窮大,通常是在數(shù)學(xué)計(jì)算中產(chǎn)生的結(jié)果,本文主要介紹了Pandas 處理DataFrame中的inf值實(shí)現(xiàn),具有一定的參考價(jià)值,感興趣的可以了解一下
Inf 表示正無窮大或負(fù)無窮大，通常是在數(shù)學(xué)計(jì)算中產(chǎn)生的結(jié)果。
例如，
import numpy as np # 創(chuàng)建一個(gè)包含 Infinity 的數(shù)組 arr = np.array([3.0, 4.0, np.inf, -np.inf]) print(arr)
1）通過where方法和isinf方法查找Inf行和列
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(18).reshape(3,6), index=list('abc'), columns=list('uvwxyz'))
print('*'*36)
# 將df的第一列變成Inf
df.u = np.inf
print(df)
print('*'*36)
#輸出結(jié)果，是一個(gè)tuple，前面array是橫坐標(biāo)，后面的array是縱坐標(biāo)。
print(np.where(np.isinf(df)))2）數(shù)據(jù)處理
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(18).reshape(3,6), index=list('abc'), columns=list('uvwxyz'))
print('*'*36)
# 將df的第一列變成NaN
df.u = np.inf
print(df)
print('*'*36)
#輸出結(jié)果，是一個(gè)tuple，前面array是橫坐標(biāo)，后面的array是縱坐標(biāo)。
print(np.where(np.isinf(df)))
print('*'*36)
# 使用 replace 替換整個(gè) DataFrame 中的 Inf 值為特定值
print(df.replace(np.inf, 1, inplace=False))
print('*'*36)
#使用np.isinf()
df[np.isinf(df)]=11.0
print(df)
print('*'*36)
# 創(chuàng)建一個(gè)包含 Inf 的數(shù)組
arr = np.array([3.0, 4.0, np.inf, 6.0])
# 將Inf值為5
arr[np.isinf(arr)]=5
print(arr)3）刪除有Inf的行
import pandas as pd
import numpy as np
x=np.arange(0,30).reshape(5,6)
x=np.array(x,dtype=float)
x[2,3]=np.inf
x[0,4]=np.inf
print(x)
print('*'*36)
#刪除包含Inf的行
x1=np.delete(x,np.where(np.isinf(x))[0],axis=0)
print(x1)注意：np.inf和np.nan的處理方法基本相同，注意調(diào)用處理時(shí)方法名。None是Python中用于標(biāo)識空缺數(shù)據(jù)，Nan是nunpy和pandas中用于標(biāo)識空缺數(shù)據(jù)，None是一個(gè)Python特殊的數(shù)據(jù)類型， 但是NaN卻是用一個(gè)特殊的float。
在用DataFrame計(jì)算變化率時(shí)，例如(今天-昨天) / 昨天恰好為(2-0) / 0時(shí)，這些結(jié)果數(shù)據(jù)會(huì)變?yōu)閕nf。
為了方便后續(xù)處理，可以利用numpy，將這些inf值進(jìn)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(gè)DataFrame中的 inf 替換為數(shù)值（空值同理）。#感謝評論區(qū)的補(bǔ)充
import numpy as np df.replace(np.inf, -1) #替換正inf為-1 #替換正負(fù)inf為NA，加inplace參數(shù) df.replace([np.inf, -np.inf], np.nan, inplace=True)
相關(guān)文章
下面小編就為大家?guī)硪黄狿ython的IDEL增加清屏功能實(shí)例。小編覺得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-06-06
在圖像處理中，有的時(shí)候會(huì)有對圖片進(jìn)行角度旋轉(zhuǎn)的處理，尤其是在計(jì)算機(jī)視覺中對于圖像擴(kuò)充，旋轉(zhuǎn)角度擴(kuò)充圖片是一種常見的處理。本文就詳細(xì)的介紹一下，感興趣的可以了解一下2021-06-06
這篇文章主要介紹了Python中變量的輸入輸出問題，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下2019-07-07
在本文里我們給大家分享了關(guān)于Python提取頻域特征的相關(guān)知識點(diǎn)以及基礎(chǔ)內(nèi)容，需要的朋友們跟著學(xué)習(xí)下。2019-03-03
Python實(shí)現(xiàn)霍夫圓和橢圓變換代碼詳解
這篇文章主要介紹了Python實(shí)現(xiàn)霍夫圓和橢圓變換代碼詳解，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
在Python中使用K-Means聚類和PCA主成分分析進(jìn)行圖像壓縮
這篇文章主要介紹了在Python中使用K-Means聚類和PCA主成分分析進(jìn)行圖像壓縮，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
在本篇文章里小編給大家整理的是關(guān)于djano一對一，多對多，分頁實(shí)例代碼以及相關(guān)知識點(diǎn)，需要的朋友們學(xué)習(xí)下。2019-08-08
淺拷貝，指的是重新分配一塊內(nèi)存，創(chuàng)建一個(gè)新的對象，但里面的元素是原對象中各個(gè)子對象的引用。深拷貝，是指重新分配一塊內(nèi)存，創(chuàng)建一個(gè)新的對象，并且將原對象中的元素，以遞歸的方式，通過創(chuàng)建新的子對象拷貝到新對象中。因此，新對象和原對象沒有任何關(guān)聯(lián)2022-11-11
Python機(jī)器學(xué)習(xí)算法庫scikit-learn學(xué)習(xí)之決策樹實(shí)現(xiàn)方法詳解
這篇文章主要介紹了Python機(jī)器學(xué)習(xí)算法庫scikit-learn學(xué)習(xí)之決策樹實(shí)現(xiàn)方法,結(jié)合實(shí)例形式分析了決策樹算法的原理及使用sklearn庫實(shí)現(xiàn)決策樹的相關(guān)操作技巧,需要的朋友可以參考下2019-07-07
這篇文章主要為大家詳細(xì)介紹了如何使用python清空特定路徑下所有文件夾下中的文件并把空文件夾要保留下來,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2025-01-01