Trong Python, loại
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 có 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
4 là viết tắt của "không phải là số" và được xác định theo tiêu chuẩn dấu phẩy động IEEE 754- NaN - Wikipedia
Bài viết này mô tả các nội dung sau
4 là một giá trịa = 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 Pythona = 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
- Tạo
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,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
0,print[float['nan']] # nan print[float['NaN']] # nan print[float['NAN']] # nan
1print[float['nan']] # nan print[float['NaN']] # nan print[float['NAN']] # nan
- Kiểm tra xem giá trị có phải là
4 không.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,print[float['nan']] # nan print[float['NaN']] # nan print[float['NAN']] # nan
4print[float['nan']] # nan print[float['NaN']] # nan print[float['NAN']] # nan
- Hành vi đối với toán tử so sánh [
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] vớiprint[float['nan']] # nan print[float['NaN']] # nan print[float['NAN']] # nan
4a = 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
- Kiểm tra
4 trong câu lệnha = 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
1print[math.nan] # nan print[np.nan] # nan print[np.NaN] # nan print[np.NAN] # nan
- Xóa và thay thế
4 trong danh sácha = 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
- Hoạt động với
4a = 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
Xem các bài viết sau về cách 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 NumPy và pandas- NumPy. Xóa các hàng/cột có giá trị bị thiếu [NaN] trong ndarray
- NumPy. Thay thế NaN [np. nan] trong ndarray
- gấu trúc. Xóa các giá trị bị thiếu [NaN] bằng dropna[]
- gấu trúc. Thay thế các giá trị bị thiếu [NaN] bằng fillna[]
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 Python
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
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
Trong Python, loại
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 có 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. Bạn có thể 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 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
9. Các phương pháp tạo khác được mô tả sauimport math
import numpy as np
import pandas as pd
print[float['nan']]
# nan
print[type[float['nan']]]
#
nguồn.
Ví dụ: nếu bạn đọc tệp CSV bằng NumPy hoặc pandas, các giá trị còn thiếu được biểu thị bằng
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 [_______30_______2 trong pandas]- cục mịch. genfromtxt — NumPy v1. 22 Sách hướng dẫn
- gấu trúc. read_csv — gấu trúc 1. 4. 0 tài liệu
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
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
1
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
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
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
Như đã mô tả ở trên, bạn có thể 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 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
9. Nó không phân biệt chữ hoa chữ thường, vì vậy bạn có thể sử dụng print[math.isnan[float['nan']]]
# True
print[math.isnan[math.nan]]
# True
print[math.isnan[np.nan]]
# True
9 và print[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
0print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
nguồn.
Ngoài ra,
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 có thể được tạo bởi toán học [thư viện chuẩn] và NumPy; print[math.nan]
# nan
print[np.nan]
# nan
print[np.NaN]
# nan
print[np.NAN]
# nan
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
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
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
Bạn có thể kiểm tra xem một 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 hay không với print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
3print[math.isnan[float['nan']]]
# True
print[math.isnan[math.nan]]
# True
print[math.isnan[np.nan]]
# True
nguồn.
print[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
9 cũng được cung cấp- cục mịch. isnan — NumPy v1. 22 Sách hướng dẫn
Ngoài các giá trị vô hướng, các đối tượng dạng mảng như danh sách và mảng NumPy
print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
0 có thể được chỉ định làm đối sốprint[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
nguồn.
print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
1 và print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
2 có phương thức print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
3 và bí danh của nó là print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
4, trả về print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
5 cho 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 và print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
7- Thiếu giá trị trong gấu trúc [nan, Không có, pd. không có]
- gấu trúc. Phát hiện và đếm các giá trị bị thiếu [NaN] với hàm isnull[], isna[]
Sẽ xảy ra lỗi nếu
print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
7 được chỉ định cho print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
3 hoặc print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
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
4
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
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
Khi so sánh 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
4, 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[bool[float['nan']]]
# True
0 và print[bool[float['nan']]]
# True
1 luôn trả về print[bool[float['nan']]]
# True
2 và print[bool[float['nan']]]
# True
3 luôn trả về print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
5print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
nguồn.
Điều này cũng đúng với các phép so sánh giữa
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 và 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. Lưu ý rằng print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
7 và print[bool[float['nan']]]
# True
3 cho kết quả phản trực giácMọi so sánh theo thứ tự của một số với một giá trị không phải là số đều sai. Một hàm ý phản trực giác là các giá trị không phải là số không bằng chính chúng. Ví dụ: nếu x = float['NaN'], 3 < x, x < 3 và x == x đều sai, trong khi x. = x là đúng. Hành vi này phù hợp với IEEE 754.
print[float['nan'] == float['nan']]
# False
print[float['nan'] != float['nan']]
# True
nguồn.
Để kiểm tra xem một 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 hay không, hãy sử dụng print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
3 và print[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
9 thay vì print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
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
1
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
print[math.nan]
# nan
print[np.nan]
# nan
print[np.NaN]
# nan
print[np.NAN]
# nan
Trong Python, các đối tượng khác ngoài
print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
5 và print[bool[float['nan']]]
# True
2 cũng được coi là đúng hoặc sai trong biểu thức điều kiện của câu lệnh print[math.nan]
# nan
print[np.nan]
# nan
print[np.NaN]
# nan
print[np.NAN]
# nan
1. Ví dụ: chuỗi rỗng x = float['nan']
if math.isnan[x]:
print['This is nan.']
else:
print['This is not nan.']
# This is nan.
8 hoặc số x = float['nan']
if math.isnan[x]:
print['This is nan.']
else:
print['This is not nan.']
# This is nan.
9 được coi là sai và các chuỗi hoặc số khác được coi là đúng- Chuyển đổi bool [True, False] và các loại khác với nhau trong Python
Như bạn có thể thấy 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
00, 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 được đánh giá là print[10 float['nan']]
# False
print[10 == float['nan']]
# False
print[10 != float['nan']]
# True
5print[bool[float['nan']]]
# True
nguồn.
Sử dụng
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
3 hoặc print[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
9x = float['nan']
if math.isnan[x]:
print['This is nan.']
else:
print['This is not nan.']
# This is nan.
nguồn.
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
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 sách
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
Nếu bạn muốn xóa hoặc 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 sách, hãy sử dụng cách hiểu danh sách, biểu thức điều kiện [toán tử bậc ba] và print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
3, print[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
9a = 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
1nguồn.
Chỉ cần sử dụng
print[float['nan']]
# nan
print[float['NaN']]
# nan
print[float['NAN']]
# nan
3 và print[np.isnan[float['nan']]]
# True
print[np.isnan[[float['nan'], math.nan, np.nan, 0]]]
# [ True True True False]
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- Trích xuất, thay thế, chuyển đổi các phần tử của danh sách trong Python
Xem các bài viết sau về cách 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 NumPy và pandas- NumPy. Xóa các hàng/cột có giá trị bị thiếu [NaN] trong ndarray
- NumPy. Thay thế NaN [np. nan] trong ndarray
- gấu trúc. Xóa các giá trị bị thiếu [NaN] bằng dropna[]
- gấu trúc. Thay thế các giá trị bị thiếu [NaN] bằng fillna[]
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
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
Các hoạt động như
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
13, 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
14, 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
15, 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
16 và 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
17 với kết quả 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
4