Python 在带有异常值的数据报中使用min（）函数

我在pandas数据帧中使用min（）函数，目的是获取最小值

但是，在DataFrame中，所有“坏数据”值都已替换为-9999999

如何在min（）函数中忽略该值？该值不携带数据值

下面是一些代码：

# the for I, row loop is designed to identify which rows are data rows and which rows are not.  the bottom portion filters out non-data rows.  
xl = pd.read_excel(location, header=None, sheet_name=0)
keep = []
for i, row in xl.iterrows():
    cells = 0
    numbers = 0
    for j, column in row.iteritems():
        cells += 1
        if type(column).__name__ in ('float', 'int') and not pd.isnull(column):
            numbers += 1
        #print(i,column)
    #print(i, cells, numbers, numbers/cells*100)
    if numbers/cells*100 > 50:
        keep.append(i)


#filters out those records that are most likely NOT data rows
df = xl.iloc[keep]
#apply's -9999999 default value to conform to data type standards
df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).fillna(-9999999)

# ToDo: Ignore -9999999 when performing the below functions
dfmax = df.max()
dfmin = df.min()

谢谢

---

警告：如果我不符合默认值，则min（）和max（）函数不会报告所有记录的值，因为该列将是混合数据类型。

解决方案是获取超过该数字的值：

df.values[df.values > -9999999].min()

---

通常，Numpy不是一个数字。nan是坏数据的最佳表示，而不是实际的数值，在Pandas v>0.15中，它将NULL写入SQL。

解决方案是获取该数字上的值：

df.values[df.values > -9999999].min()

---

一般来说，Numpy不是一个数字。nan是坏数据的最佳表示形式，而不是实际的数值，在Pandas v>0.15中，它将NULL写入SQL。

您能在这里添加实际代码吗？坏数据可能位于整列和整行，还是单个单元格？举一个数据示例会有所帮助。我要做的第一件事是消除数据帧中的非数据行。然后我在列中查找坏的单元格。类似于

dfmin=df.values[df.values>-9999999]）.min（）之类的内容。您能在这里添加实际的代码吗？坏数据可能位于整个列和行中，还是单个单元格？举一个数据示例会有所帮助。我要做的第一件事是消除数据帧中的非数据行。然后我在列中查找坏单元格。类似于
dfmin=df.values[df.values>-999999]）.min（）
？np.nan如何处理.to_sql？它是否设置为空？难道不是
nsmallest
只会给你
-9999999
两次吗？和
df[df.values>-9999999].min（）
也不做你想做的事，如果有什么
df.values[df.values>-9999999].min（）
..@acree123
np.nan
输出NULL到sql。非常感谢！这很有效。numpy和panda之间有很多东西需要学习。np.nan如何与.to_sql一起工作？它是否设置为空？难道不是
nsmallest
只会给你
-9999999
两次吗？和
df[df.values>-9999999].min（）
也不做你想做的事，如果有什么
df.values[df.values>-9999999].min（）
..@acree123
np.nan
输出NULL到sql。非常感谢！这很有效。numpy和panda之间有很多东西需要学习。