Đối với gấu trúc xác định những gì mà hầu hết các nhà phát triển sẽ biết là giá trị
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Trong hầu hết các trường hợp, các thuật ngữ
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Đánh giá dữ liệu bị thiếu
Ở cấp độ cơ sở, gấu trúc cung cấp hai chức năng để kiểm tra dữ liệu
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Ngoài các chức năng trên, pandas còn cung cấp 2 phương thức để kiểm tra dữ liệu
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Ví dụ, hãy tạo một Series đơn giản trong pandas
import pandas as pd
import numpy as np
s = pd.Series[[2,3,np.nan,7,"The Hobbit"]]
Bây giờ đánh giá Sê-ri
In [3]: s.isnull[]
Out[3]:
0 False
1 False
2 True
3 False
4 False
dtype: bool
In [3]: s.isnull[]
Out[3]:
0 False
1 False
2 True
3 False
4 False
dtype: bool
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Để kiểm tra phương pháp
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [3]: s.isnull[]
Out[3]:
0 False
1 False
2 True
3 False
4 False
dtype: bool
In [3]: s.isnull[]
Out[3]:
0 False
1 False
2 True
3 False
4 False
dtype: bool
Như mong đợi, giá trị duy nhất được đánh giá là
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [3]: s.isnull[]
Out[3]:
0 False
1 False
2 True
3 False
4 False
dtype: bool
Xác định xem có BẤT KỲ giá trị nào trong một chuỗi bị thiếu hay không
Mặc dù phương pháp
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Có một vài khả năng liên quan đến việc xâu chuỗi nhiều phương thức lại với nhau
Phương pháp nhanh nhất được thực hiện bằng cách xâu chuỗi
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Trong một số trường hợp, bạn có thể muốn xác định có bao nhiêu giá trị
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Đếm các giá trị còn thiếu trong DataFrame
Mặc dù chuỗi
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Ví dụ: trước tiên chúng ta cần tạo một DataFrame đơn giản với một vài giá trị
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Bây giờ nếu chúng ta xâu chuỗi một phương thức
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Chúng ta có thể thấy trong ví dụ này, cột đầu tiên của chúng ta chứa ba giá trị
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [3]: s.isnull[]
Out[3]:
0 False
1 False
2 True
3 False
4 False
dtype: bool
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Để có được tổng cộng của tất cả các giá trị
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
In [2]: s
Out[2]:
0 2
1 3
2 NaN
3 7
4 The Hobbit
dtype: object
Làm cách nào để đặt giá trị Pandas thành NaN?
Bạn có thể dễ dàng tạo các giá trị NaN trong Pandas DataFrame bằng cách sử dụng Numpy. Cụ thể hơn, bạn có thể đặt np. nan mỗi khi bạn muốn thêm giá trị NaN vào Khung dữ liệu .
Làm cách nào để lọc các hàng bằng NaN trong Pandas?
Bạn có thể lọc ra các hàng có giá trị NAN từ chuỗi cột DataFrame của pandas, float, datetime e. t. c bằng cách sử dụng DataFrame. dropna[] và DataFrame. phương thức notnull[] . Python không hỗ trợ Null do đó mọi dữ liệu bị thiếu được biểu thị là Không có hoặc NaN.
Làm cách nào để nhận các hàng có giá trị null trong Pandas?
Để kiểm tra các giá trị null trong Pandas DataFrame, chúng tôi sử dụng hàm isnull[] hàm này trả về khung dữ liệu của các giá trị Boolean đúng cho .