Dataframe Julia数据帧中NA的正确测试方法
在Julia DataFrames包中,测试DataFrame中的值是否为NA的正确方法是什么 到目前为止,我已经发现Dataframe Julia数据帧中NA的正确测试方法,dataframe,julia,Dataframe,Julia,在Julia DataFrames包中,测试DataFrame中的值是否为NA的正确方法是什么 到目前为止,我已经发现typeof(var)==NAtype是可行的,但是有没有更优雅的方法呢?使用typeof(var)==NAtype因为这很尴尬,特别是因为它没有矢量化 测试NA值的标准方法是使用名为isna的(矢量化)函数 例子 让我们用B列中的一些NA值生成一个玩具数据框: julia> using DataFrames julia> df = DataFrame(A = 1:
typeof(var)==NAtype
是可行的,但是有没有更优雅的方法呢?使用typeof(var)==NAtype
因为这很尴尬,特别是因为它没有矢量化
测试NA
值的标准方法是使用名为isna
的(矢量化)函数
例子
让我们用B
列中的一些NA
值生成一个玩具数据框:
julia> using DataFrames
julia> df = DataFrame(A = 1:10, B = 2:2:20)
10x2 DataFrame
| Row | A | B |
|-----|----|----|
| 1 | 1 | 2 |
| 2 | 2 | 4 |
| 3 | 3 | 6 |
| 4 | 4 | 8 |
| 5 | 5 | 10 |
| 6 | 6 | 12 |
| 7 | 7 | 14 |
| 8 | 8 | 16 |
| 9 | 9 | 18 |
| 10 | 10 | 20 |
julia> df[[1,4,8],symbol("B")] = NA
NA
julia> df
10x2 DataFrame
| Row | A | B |
|-----|----|----|
| 1 | 1 | NA |
| 2 | 2 | 4 |
| 3 | 3 | 6 |
| 4 | 4 | NA |
| 5 | 5 | 10 |
| 6 | 6 | 12 |
| 7 | 7 | 14 |
| 8 | 8 | NA |
| 9 | 9 | 18 |
| 10 | 10 | 20 |
现在,让我们假设我们不知道数据帧的内容,并提出以下问题:
列B
是否包含NA
值
typeof
方法不起作用,这里:
julia> typeof(df[:,symbol("B")]) == NAtype
false
isna
功能更合适:
julia> any(isna(df[:,symbol("B")]))
true