Python 数据帧：转换符号-

我正在使用熊猫数据帧。如果我打印dataframe，它包含一些列，其中用脚本（-）代替数字。当我使用数据制作图表时，termninal返回：

TypeError: Empty 'Series': no numeric data to plot

这些脚本（-）数据点是否可以在绘制图形时不使用？需要更换吗？如果是这样，怎么办

我写的代码是：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.read_csv('data', sep=',')
a_list=list(df.columns.values)
#df=df.astype(float)
for ielement in range(len(a_list)):
    print ("column name is %s" %(a_list[ielement]))
    if a_list[ielement]!= 'age':
        df.plot(x='age', y=a_list[ielement])
        plt.savefig(a_list[ielement] + '.png')
        plt.clf()

Examle数据

data.csv

a,b,c,d,e,f,g,h,i,j,k,l,m,n,nn,o,p,q,r,s,t,u,v,w,x,y,z,hh
    12,2798,3.9,3.0,1.1,4.0,0.1,5.0,0.0,-,0.1,35.5,0.2,52.0,1.6,19.0,2.0,36.0,0.1,24.5,0.2,52.0,0.2,2.0,0.0,-,0.2,13.0
    13,2757,8.5,6.0,3.4,15.0,0.1,1.0,0.0,3.0,0.0,-,0.6,6.0,2.5,12.0,2.4,14.0,0.1,41.0,0.3,25.5,0.3,4.0,0.1,5.0,0.1,19.0
    14,2792,18.1,5.0,8.7,24.0,0.1,5.5,0.0,-,0.1,2.0,1.6,3.0,2.6,5.0,3.9,12.0,0.4,4.5,0.9,5.0,0.8,12.0,0.1,24.0,0.2,16.5
    15,2956,29.2,6.0,14.5,25.0,0.5,4.0,0.1,9.5,0.2,1.0,2.1,4.0,2.5,5.5,5.5,10.0,0.8,3.0,2.0,4.5,1.5,6.0,0.3,10.5,0.4,30.0

使用Evan的答案：

df.replace（to_replace='-'，value=np.nan，inplace=True）

仍然得到相同的错误

---

它适用于第一列，因为它们没有脚本（-）

好的，根据您的评论，您有两个选项：

如果列有

-

符号，则删除整行

如果列有

-

符号，则可以为其设置默认值

假设我有以下数据帧：

>>> df = pd.DataFrame({'col1': [1, 2, 3, 4], 'col2': [11, 22, '-', 44], 'col3': ['-', 3, 5, 7]})
>>> df.dtypes
col1     int64
col2    object
col3    object
dtype: object
>>> df
   col1 col2 col3
0     1   11    -
1     2   22    3
2     3    -    5
3     4   44    7

选择1

选择2

---

好的，根据您的意见，您有两个选择：

如果列有

-

符号，则删除整行

如果列有

-

符号，则可以为其设置默认值

假设我有以下数据帧：

>>> df = pd.DataFrame({'col1': [1, 2, 3, 4], 'col2': [11, 22, '-', 44], 'col3': ['-', 3, 5, 7]})
>>> df.dtypes
col1     int64
col2    object
col3    object
dtype: object
>>> df
   col1 col2 col3
0     1   11    -
1     2   22    3
2     3    -    5
3     4   44    7

选择1

选择2

---

借用@Scratch'N'Purr的代码，以下是我的解决方案：

import numpy as np
import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3, 4], 'col2': [11, 22, '-', 44], 'col3': ['-', 3, 5, 7]})

df:

输出：

col1    col2    col3
0   1   11.0    NaN
1   2   22.0    3.0
2   3   NaN     5.0
3   4   44.0    7.0

绘图：

我没有仔细看数据；这个解决方案是否符合您的期望？第二，从

int

到

float

在计算上很昂贵，但对于足够小的数据集来说效果很好

编辑：参见

---

要绘制

NaN

，请转换为

float

。以上（编辑过的）代码根据OP的更新帖子生成了从a到hh的PNG图像。

借用@Scratch'N'Purr的代码，以下是我的解决方案：

import numpy as np
import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3, 4], 'col2': [11, 22, '-', 44], 'col3': ['-', 3, 5, 7]})

df:

输出：

col1    col2    col3
0   1   11.0    NaN
1   2   22.0    3.0
2   3   NaN     5.0
3   4   44.0    7.0

绘图：

我没有仔细看数据；这个解决方案是否符合您的期望？第二，从

int

到

float

在计算上很昂贵，但对于足够小的数据集来说效果很好

编辑：参见

---

---

要绘制

NaN

，请转换为

float

。上述（编辑过的）代码根据OP的更新帖子生成了PNG图像a到hh。

由于

-

符号不是数字，您能否给出数据帧值的示例以及用于绘制图的代码，哪些与所有值都是数字的说法相冲突？加载df后是否可以运行以下命令，并查看是否有任何列具有对象数据类型：

df.dtypes

？如果有，那么这些就是错误的列，这意味着pandas将整个列视为非数字的数据类型列。有一些对象列。我能做什么？@Scratch'N'purrc由于

-

符号不是数字，您能给出数据帧值的示例以及用于绘制图的代码吗，哪些与所有值都是数字的说法相冲突？加载df后是否可以运行以下命令，并查看是否有任何列具有对象数据类型：

df.dtypes

？如果有，那么这些就是错误的列，这意味着pandas将整个列视为非数字数据类型列。有一些对象列。我能做什么？@Scratch'N'purrhanks。但是，它不能被一个没有绘制的值所代替吗？必须有许多数据帧具有相同的丢失数据问题。如果您不想打印它，这是否与打印前删除行相同？此外，您还可以签出

pandas.DataFrame.replace

或

pandas.DataFrame.fillna

@Evan，但我需要替换一个特殊值吗？我不想要零，因为这将是一个虚假的数据-point@Evan如果它被Nan替换，那么列仍然是对象，所以它没有用处。@santimirandarp不幸的是，你不能真正做到两全其美。如果只想打印“真”值（没有特殊字符的值），则必须从数据框中删除打印记录。但是，您可以创建一个单独的数据框，该数据框只包含具有特殊字符的行，以便仍保留这些记录以供以后分析。此外，如果您不想将这些值设置为0，可以将其更改为您想要的任何其他值。我只是将其设置为0作为示例。@Evan还对

replace

和

fillna

方法提出了很好的观点。谢谢。但是，它不能被一个没有绘制的值所代替吗？必须有许多数据帧具有相同的丢失数据问题。如果您不想打印它，这是否与打印前删除行相同？此外，您还可以签出

pandas.DataFrame.replace

或

pandas.DataFrame.fillna

@Evan，但我需要替换一个特殊值吗？我不想要零，因为这将是一个虚假的数据-point@Evan如果它被Nan替换，那么列仍然是对象，所以它没有用处。@santimirandarp不幸的是，你不能真正做到两全其美。如果只想打印“真”值（没有特殊字符的值），则必须从数据框中删除打印记录。但是，您可以创建一个单独的数据框，该数据框只包含具有特殊字符的行，以便仍保留这些记录以供以后分析。此外，如果您不想将这些值设置为0，可以将其更改为您想要的任何其他值。我只是将其设置为0作为示例。@Evan还对

replace

和

fillna

方法提出了一个很好的观点。如果不设置

inplace=True

，pandas将返回一个更新的

df

，但不会更改存储在内存中的

df

的值。您可以使用

df=df.modify（args）

，但我只使用

inplace=True

，因为它使我的代码更具可读性

import matplotlib.pyplot as plt
df.plot()
plt.show()