Python 2.7 熊猫和Numpy中缺失数据的处理
我有以下数据样本。我想Python 2.7 熊猫和Numpy中缺失数据的处理,python-2.7,numpy,pandas,missing-data,Python 2.7,Numpy,Pandas,Missing Data,我有以下数据样本。我想 a) 在C列中,将np.NaN替换为999 b) 在D列中,将“”置于np.NaN中 我的两次尝试都没有成功,我也不知道为什么 import pandas from pandas import DataFrame import numpy as np df = DataFrame({'A' : ['foo', 'foo', 'foo', 'foo', 'bar', 'bar', 'bar', 'bar'],
- a) 在C列中,将
np.NaN替换为999
- b) 在D列中,将“”置于
中np.NaN
import pandas
from pandas import DataFrame
import numpy as np
df = DataFrame({'A' : ['foo', 'foo', 'foo', 'foo',
'bar', 'bar', 'bar', 'bar'],
'B' : ['one', 'one', 'two', 'three',
'two', 'two', 'one', 'three'],
'C' : [1, np.NaN, 1, 2, np.NaN, 1, 1, 2], 'D' : [2, '', 1, 1, '', 2, 2, 1]})
print df
df.C.fillna(999)
df.D.replace('', np.NaN)
print df
Output:
A B C D
0 foo one 1 2
1 foo one NaN
2 foo two 1 1
3 foo three 2 1
4 bar two NaN
5 bar two 1 2
6 bar one 1 2
7 bar three 2 1
A B C D
0 foo one 1 2
1 foo one NaN
2 foo two 1 1
3 foo three 2 1
4 bar two NaN
5 bar two 1 2
6 bar one 1 2
7 bar three 2 1
这些操作返回数据的副本(大多数操作的行为相同),除非您明确表示,否则它们不会在适当位置操作(默认值为
inplace=False
),请参阅和:
或分配回:
df['C'] = df.C.fillna(999)
df['D'] = df.D.replace('', np.NaN)
另外,我强烈建议您使用下标运算符[]
访问列,而不是使用点运算符
作为属性来访问列,以避免不明确的行为
In [60]:
df = pd.DataFrame({'A' : ['foo', 'foo', 'foo', 'foo',
'bar', 'bar', 'bar', 'bar'],
'B' : ['one', 'one', 'two', 'three',
'two', 'two', 'one', 'three'],
'C' : [1, np.NaN, 1, 2, np.NaN, 1, 1, 2], 'D' : [2, '', 1, 1, '', 2, 2, 1]})
df.C.fillna(999, inplace =True)
df.D.replace('', np.NaN, inplace=True)
df
Out[60]:
A B C D
0 foo one 1 2
1 foo one 999 NaN
2 foo two 1 1
3 foo three 2 1
4 bar two 999 NaN
5 bar two 1 2
6 bar one 1 2
7 bar three 2 1
In [60]:
df = pd.DataFrame({'A' : ['foo', 'foo', 'foo', 'foo',
'bar', 'bar', 'bar', 'bar'],
'B' : ['one', 'one', 'two', 'three',
'two', 'two', 'one', 'three'],
'C' : [1, np.NaN, 1, 2, np.NaN, 1, 1, 2], 'D' : [2, '', 1, 1, '', 2, 2, 1]})
df.C.fillna(999, inplace =True)
df.D.replace('', np.NaN, inplace=True)
df
Out[60]:
A B C D
0 foo one 1 2
1 foo one 999 NaN
2 foo two 1 1
3 foo three 2 1
4 bar two 999 NaN
5 bar two 1 2
6 bar one 1 2
7 bar three 2 1