Làm cách nào để kiểm tra xem một giá trị có ở nan trong điều kiện if python không?
Trong Python, loại 3 có 4. 4 là viết tắt của "không phải là số" và được xác định theo tiêu chuẩn dấu phẩy động IEEE 754 Show
Bài viết này mô tả các nội dung sau
Xem các bài viết sau về cách xóa và thay thế 4 trong NumPy và pandas
Liên kết được tài trợ a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4 là một giá trị a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 3 trong PythonTrong Python, loại 3 có 4. Bạn có thể tạo 4 với 9. Các phương pháp tạo khác được mô tả sau
nguồn. Ví dụ: nếu bạn đọc tệp CSV bằng NumPy hoặc pandas, các giá trị còn thiếu được biểu thị bằng 4 (_______30_______2 trong pandas)
nguồn. Tạo a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4. a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 9, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 0, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 1Như đã mô tả ở trên, bạn có thể tạo 4 với 9. Nó không phân biệt chữ hoa chữ thường, vì vậy bạn có thể sử dụng 9 và 0
nguồn. Ngoài ra, 4 có thể được tạo bởi toán học (thư viện chuẩn) và NumPy;
nguồn. Chúng tương đương nhau cho dù bạn sử dụng phương pháp nào để tạo Kiểm tra xem giá trị có phải là a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4 không. print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 3, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 4Bạn có thể kiểm tra xem một giá trị có phải là 4 hay không với 3
nguồn. 9 cũng được cung cấp
Ngoài các giá trị vô hướng, các đối tượng dạng mảng như danh sách và mảng NumPy 0 có thể được chỉ định làm đối số
nguồn. 1 và 2 có phương thức 3 và bí danh của nó là 4, trả về 5 cho 4 và 7
Sẽ xảy ra lỗi nếu 7 được chỉ định cho 3 hoặc 4Hành vi đối với toán tử so sánh (print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 5, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 6, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 7, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 8) với a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4Khi so sánh với 4, 5, 6, 7, 0 và 1 luôn trả về 2 và 3 luôn trả về 5
nguồn. Điều này cũng đúng với các phép so sánh giữa 4 và 4. Lưu ý rằng 7 và 3 cho kết quả phản trực giác
nguồn. Để kiểm tra xem một giá trị có phải là 4 hay không, hãy sử dụng 3 và 9 thay vì 7Liên kết được tài trợ Kiểm tra a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4 trong câu lệnh print(math.nan) # nan print(np.nan) # nan print(np.NaN) # nan print(np.NAN) # nan 1Trong Python, các đối tượng khác ngoài 5 và 2 cũng được coi là đúng hoặc sai trong biểu thức điều kiện của câu lệnh 1. Ví dụ: chuỗi rỗng 8 hoặc số 9 được coi là sai và các chuỗi hoặc số khác được coi là đúng
Như bạn có thể thấy với 00, 4 được đánh giá là 5
nguồn. Sử dụng 3 hoặc 9
nguồn. 0nguồn. Xóa và thay thế a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4 trong danh sáchNếu bạn muốn xóa hoặc thay thế 4 trong danh sách, hãy sử dụng cách hiểu danh sách, biểu thức điều kiện (toán tử bậc ba) và 3, 9 1nguồn. Chỉ cần sử dụng 3 và 9 để kiểm tra và khái niệm này cũng giống như các trường hợp loại bỏ và thay thế các giá trị khác. Xem chi tiết bài viết sau
Xem các bài viết sau về cách xóa và thay thế 4 trong NumPy và pandas
Hoạt động với a = np.genfromtxt('data/src/sample_nan.csv', delimiter=',') print(a) # [[11. 12. nan 14.] # [21. nan nan 24.] # [31. 32. 33. 34.]] df = pd.read_csv('data/src/sample_pandas_normal_nan.csv')[:3] print(df) # name age state point other # 0 Alice 24.0 NY NaN NaN # 1 NaN NaN NaN NaN NaN # 2 Charlie NaN CA NaN NaN 4Các hoạt động như 13, 14, 15, 16 và 17 với kết quả 4 4
Làm cách nào để kiểm tra NaN bằng điều kiện if trong Python?Một giải pháp đơn giản để kiểm tra NaN trong Python là sử dụng hàm toán học math. isnan() . Nó trả về True nếu tham số đã chỉ định là NaN và Sai nếu không.
NaN() có được sử dụng để kiểm tra NaN không?Hàm nan() trong Ngôn ngữ R được sử dụng để kiểm tra xem vectơ có chứa bất kỳ giá trị NaN(Không phải là Số) nào dưới dạng phần tử hay không . Nó trả về một giá trị boolean cho tất cả các phần tử của vectơ. |