pandas缺失值np.nan,np.isnan,None,pd.isnull,pd.isna，
pandas缺失值np.nan,np.isnan,None,pd.isnull,pd.isna，
目录
- np.nan
- None
- pd.isnull 和 pd.isna
- 代码示例
np.nan != np.nan
在计算机中本没有绝对绝对相等的数据，所谓的相等只是精度允许的条件下相等！np.nan 原意为 not a number。
概括：
- 对某个值是否为nan进行判断，只能用np.isnan(i)，绝不可用 i == np.nan 来判断，因为nan具有不等于自身的属性，应该使用np.isnan来测试nan值，如np.isnan(np.nan)将产生True；
- np.nan非空对象，其类型为基本数据类型float；
np.nan
| np.nan | |
|---|---|
| not a member | nan的含义是“not a number“，它是对array中缺失的数值的占位符 |
| type 为 float | 因为代表缺失的数值，np.nan的type是float |
| 可参与计算 | np.nan的type是float，所以np.nan可参与计算，且占主导地位，也就是算出的值都为np.nan |
| 不等于自身 | 如果用np.nan==np.nan，会发现返回的结果为False，如果用np.nan in array，也不能发现array中是否包含np.nan |
| np.isnan判断是否存在np.nan | np.nan因为没有等于的概念，所以要判断是否存在np.nan，只可以用np.isnan来判断 |
| np.isnan只可以判断数值型 | 如果用np.isnan对其余type的array判断，会报错，np.isnan只可以判断数字型array |
| 忽略np.nan的numpy计算 |
|---|
| nansum() |
| nanmax() |
| nanmin() |
| nanargmax() |
| nanargmin() |
nan和None
- python自带的 None ，为 NoneType 类型, 代表空类型，不能参与运算；
- numpy中的 isnan 对应的是 NaN 值，代表“不是数字”，数值类型为 float ，数组中显示为nan，能参与运算，但结果显示为NaN；
None
| None | |
|---|---|
| NoneType | None的type为NoneType，是python内置的 |
| 不可参与计算 | None不可参与计算，否则报错 |
| None is None 或者 None==None | 这两种方式返回值都是True |
pd.isnull 和 pd.isna
| pd.isnull pd.isna | |
|---|---|
| pd.isnull 和 pd.isna是同一个东西 | 用命令pd.isnull==pd.isna，会发现返回值为True |
| None和np.nan在pandas中都是缺省值 | None和np.nan都会被pd.isnull或者pd.isna判断为True |
| 可以判断List或者单独一个值 | pd.isnull和pd.isna的判断对象可以为一个值或者一个list |
| pandas中缺省值不参与计算 | 当使用df.min()等计算时，会发现缺省值不参与计算 |
代码示例
只可以用np.isnan判断array中是否包含np.nan
a = np.array([1,2,3,4,np.nan]) a == np.nan >>> array([False, False, False, False, False]) np.nan in a >>> False np.isnan(a) >>> array([False, False, False, False, True])
np.nan可参与计算，np.nan占主导地位
a = np.array([1,2,3,4,np.nan]) a.max() >>> np.nan a.min() >>> np.nan b = np.array([1,np.nan,3,4,5]) a+b >>> array([ 2., nan, 6., 8., nan])
np.isnan只可以对数值型array判断，当array中其余的元素为字符串是，array会将np.nan转换成’nan’
在pandas中，np.nan和None都被视为缺省值
df = pd.DataFrame({'col1':['a','b','c','d'], 'col2':[1,2,3,4]})
df.loc[1,'col1'] = np.nan
df.loc[2,'col1'] = None
df
>>> col1 col2
0 a 1
1 NaN 2
2 None 3
3 d 4
pd.isna(df)
>>> col1 col2
0 False False
1 True False
2 True False
3 False False
pandas中缺省值不参与计算
df = pd.DataFrame(np.arange(8).reshape(2,4)) df.iloc[0,1] = None df.iloc[0,2] = np.nan df >>> 0 1 2 3 0 0 NaN NaN 3 1 4 5.0 6.0 7 df.min(axis=1) >>> 0 0.0 1 4.0 dtype: float64
到此这篇关于pandas缺失值np.nan, np.isnan, None, pd.isnull, pd.isna的文章就介绍到这了,更多相关 np.nan, np.isnan, None, pd.isnull, pd.isna内容请搜索3672js教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持3672js教程！
您可能感兴趣的文章:- Python Numpy:找到list中的np.nan值方法
- 如何将numpy二维数组中的np.nan值替换为指定的值
- 使用pandas或numpy处理数据中的空值(np.isnan()/pd.isnull())
- numpy中np.nanmax和np.max的区别及坑
评论关闭