Untuk memeriksa apakah nilai di lokasi tertentu di Pandas adalah NaN atau tidak, panggil numpy. fungsi isnan() dengan nilai yang diteruskan sebagai argumen Show
Jika nilainya sama dengan numpy. nan, ekspresi mengembalikan True, selain itu mengembalikan False Contoh 1. Periksa apakah Nilai Sel adalah NaN di Pandas DataFrameDalam contoh ini, kami akan mengambil DataFrame dengan nilai NaN di beberapa lokasi. Kami akan memeriksa apakah nilai di lokasi tertentu adalah NaN atau tidak Program Piton _LariKeluaran
Contoh 2. Periksa apakah Nilai Sel adalah NaN di Pandas DataFrame Secara IteratifDalam contoh ini, kami akan mengambil DataFrame dengan nilai NaN di beberapa lokasi. Kami akan mengulangi setiap nilai sel di DataFrame ini dan memeriksa apakah nilai di lokasi ini adalah NaN atau tidak Program Piton JalankanKeluaran _RingkasanDalam tutorial Contoh Python ini, kami belajar cara memeriksa apakah nilai sel tertentu di Pandas adalah NaN atau tidak menggunakan numpy. isnan() fungsi Dalam Python, tipe _3 memiliki 4. 4 adalah singkatan dari "bukan angka" dan ditentukan oleh standar floating-point IEEE 754
Artikel ini menjelaskan konten berikut
Lihat artikel berikut tentang cara menghapus dan mengganti 4 di NumPy dan panda
Tautan Bersponsor 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 adalah nilai 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 di PythonDalam Python, tipe _3 memiliki 4. Anda dapat membuat _4 dengan 9. Metode pembuatan lainnya dijelaskan nanti
sumber. Misalnya, jika Anda membaca file CSV di NumPy atau panda, nilai yang hilang diwakili oleh 4 ( 2 di panda)
sumber. Buat 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 1Seperti dijelaskan di atas, Anda dapat membuat _4 dengan 9. Tidak peka huruf besar/kecil, jadi Anda dapat menggunakan 9 dan 0
sumber. Selain itu, 4 dapat dibuat dengan matematika (perpustakaan standar) dan NumPy;
sumber. Mereka setara tidak peduli metode apa yang Anda gunakan untuk membuat Periksa apakah nilainya 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 3, print(float('nan')) # nan print(float('NaN')) # nan print(float('NAN')) # nan 4Anda dapat memeriksa apakah nilainya 4 atau tidak dengan 3
sumber. _9 juga disediakan
Selain nilai skalar, objek seperti array seperti daftar dan array NumPy 0 dapat ditentukan sebagai argumen
sumber. 1 dan 2 memiliki metode 3 dan aliasnya 4, yang mengembalikan 5 untuk 4 dan 7
Kesalahan dimunculkan jika 7 ditentukan untuk 3 atau 4Perilaku untuk operator pembanding (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) dengan 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 4Saat membandingkan dengan 4, 5, 6, 7, 0, dan 1 selalu mengembalikan 2, dan 3 selalu mengembalikan 5
sumber. Hal yang sama berlaku untuk _4 dan 4 perbandingan. Perhatikan bahwa 7 dan 3 memberikan hasil kontra-intuitif
sumber. Untuk memeriksa apakah suatu nilai adalah _4, gunakan 3 dan 9 alih-alih 7Tautan Bersponsor Centang 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 dalam pernyataan print(math.nan) # nan print(np.nan) # nan print(np.NaN) # nan print(np.NAN) # nan 1Dalam Python, objek selain _5 dan 2 juga dianggap benar atau salah dalam ekspresi bersyarat dari pernyataan 1. Misalnya, string kosong 8 atau angka 9 dianggap salah, dan string atau angka lain dianggap benar
Seperti yang Anda lihat dengan 00, 4 dievaluasi sebagai 5
sumber. Gunakan _3 atau 9
sumber. 0sumber. Hapus dan ganti 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 dalam daftarJika Anda ingin menghapus atau mengganti _4 dalam daftar, gunakan pemahaman daftar, ekspresi bersyarat (operator ternary), dan 3, 9 1sumber. Cukup gunakan 3 dan 9 untuk pemeriksaan, dan konsepnya sama dengan kasus lain untuk menghapus dan mengganti nilai. Lihat artikel berikut untuk detailnya
Lihat artikel berikut tentang cara menghapus dan mengganti 4 di NumPy dan panda
Operasi dengan 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 _4Operasi seperti 13, 14, 15, 16, dan 17 dengan hasil 4 4
Bagaimana Anda menulis NaN dalam kondisi if dengan Python?isnan dalam pernyataan if untuk perbandingan dengan nilai. Misalnya. untuk saya dalam jangkauan(len(df)). untuk j dalam rentang(8). jika matematika. isnan(df1. iloc[i,j]) == SALAH. b=b+1 print(b ," benar dari", b+c) lain. print("Error") Saya mendapatkan error pada baris di mana pernyataan If dimulai. Ketik Kesalahan. diperlukan pelampung.
Bagaimana cara saya memeriksa apakah suatu elemen memiliki NaN?Untuk memeriksa NaN kita dapat menggunakan matematika. fungsi isnan() karena NaN tidak dapat diuji menggunakan operator ==.
Bagaimana Anda memeriksa apakah suatu nilai adalah NaN di Python panda?Cara memeriksa NaN di Pandas DataFrame adalah sebagai berikut. . Periksa NaN dengan isnull(). nilai-nilai. apapun() metode Hitung NaN Menggunakan isnull(). jumlah() Metode Periksa NaN Menggunakan isnull(). nilai-nilai. apapun() Metode Hitung NaN Menggunakan isnull(). jumlah(). jumlah() Metode Bagaimana cara saya memeriksa apakah suatu string memiliki nilai NaN?Kita dapat memeriksa apakah suatu string adalah NaN dengan menggunakan properti objek NaN yang merupakan NaN. = NaN . Mari kita definisikan fungsi boolean isNaN() yang mengembalikan true jika argumen yang diberikan adalah NaN dan mengembalikan false jika sebaliknya. Kami juga dapat mengambil nilai dan mengubahnya menjadi float untuk memeriksa apakah itu NaN.
Apakah NaN == NaN benar?NaN tidak sama dengan NaN . Cerita pendek. Menurut spesifikasi IEEE 754, setiap operasi yang dilakukan pada nilai NaN harus menghasilkan nilai yang salah atau menimbulkan kesalahan. |