这篇文章主要围绕“python中的pandas怎么使用?如何使用pandas?”进行讲解,内容详细,步骤清晰,简单易懂,希望你阅读之后收获满满,下面跟着我一起来学习“python中的pandas怎么使用?如何使用pandas?”的新知识吧!
文章插图
【Python中的pandas怎么使用?如何使用pandas?】一、使用isnull()
isnull() 用来找出缺失值的位置,返回一个布尔类型的掩码标记缺失值,下面通过相关案例进行讲解 。
import pandas as pdimport numpy as npdata = pd.DataFrame({'name':['HELLO',np.nan,'C++','PYTHON'],'age':[20,np.nan,24,None]})data执行以上代码得到以下数据:
name age0 HELLO 20.01 NaN NaN2 C++ 24.03 PYTHON NaN我们可以发现不管我们创建DataFrame时控制用的是np.nan还是None,创建后都会变成NaN 。
如果使用data.isnull()执行结果又会不一样,下面是使用isnull的结果:
name age0 False False1 True True2 False False3 False True二、使用notnull()
notnull()和isnull()使用方法正好相反,它是找出不是空值存在的并用布尔值进行标记,下面是例子:
data.notnull() name age0 True True1 False False2 True True3 True False三、dropna()
dropna()就跟字面意思一样,是把缺失值丢掉 。
DataFrame.dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)参数:
axis:默认值是0,表示删除行或者是列 。也可以用行列的英文表示“index”、“columns”
how:{‘any’, ‘all’}, 默认为 ‘any’;any 表示只要该行(列)出现空值就删除整行(列),all 表示整行(列)都出现空值才会删除整行(列);
thresh:表示删除非空值小于 thresh 个数时删除;
subset:列表类型,表示哪些列里有空值才删除行或列;
inplace:与其他函数的 inplace 一样,表示是否覆盖原 DataFrame 。
例子:
data.dropna(axis=1,thresh=3) name0 hello1 NaN2 JAVA3 PYTHONdata.dropna(axis=0,how='all') name age0 hello 20.02 JAVA 21.03 PYTHON NaNdata.dropna(subset = ['name']) name age0 hello 20.02 JAVA 21.03 PYTHON NaN读到这里,这篇有关“Python的pandas怎么使用?如何使用pandas?”文章已经介绍完毕,想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会,如果想了解更多相关内容的文章,可以继续关注哦!
推荐阅读
- python中append函数怎么用?如何使用append函数?
- Python怎么实现对字典分别按键和值进行排序?Python排序的方法
- 如何对python集合进行操作?python集合操作技巧详解
- Python如何随机生成小数?Python生成随机小数的方法有哪些?
- 如何使用pandas读取文件?使用pandas读取文件的方法有哪些?
- 在Python字符串中快速拼接的方法有哪些?如何实现python字符串的拼接?
- 为什么Python课程这么抢手?值得学习吗?
- Python如何实现匹配替换?python匹配替换的方法有哪些?
- python程序无法打开怎么办?python程序无法打开的解决方法
- 什么是python的集合?python集合怎么表示?