Python3.5Pandas模块缺失值处理和层次索引实例详解-创新互联
本文实例讲述了Python3.5 Pandas模块缺失值处理和层次索引。分享给大家供大家参考,具体如下:
在枞阳等地区,都构建了全面的区域性战略布局,加强发展的系统性、市场前瞻性、产品创新能力,以专注、极致的服务理念,为客户提供网站设计制作、成都网站制作 网站设计制作按需制作,公司网站建设,企业网站建设,成都品牌网站建设,网络营销推广,成都外贸网站建设公司,枞阳网站建设费用合理。1、pandas缺失值处理
import numpy as np import pandas as pd from pandas import Series,DataFrame df3 = DataFrame([ ["Tom",np.nan,456.67,"M"], ["Merry",34,345.56,np.nan], [np.nan,np.nan,np.nan,np.nan], ["John",23,np.nan,"M"], ["Joe",18,385.12,"F"] ],columns = ["name","age","salary","gender"]) print(df3) print("=======判断NaN值=======") print(df3.isnull()) print("=======判断非NaN值=======") print(df3.notnull()) print("=======删除包含NaN值的行=======") print(df3.dropna()) print("=======删除全部为NaN值的行=======") print(df3.dropna(how="all")) df3.ix[2,0] = "Gerry" #修改第2行第0列的值 print(df3) print("=======删除包含NaN值的列=======") print(df3.dropna(axis=1))
当前文章:Python3.5Pandas模块缺失值处理和层次索引实例详解-创新互联
文章出自:http://ybzwz.com/article/jdepd.html