pandas缺失值np.nan, np.isnan, None, pd.isnull, pd.isna
更新时间：2024年04月03日 10:49:59 作者：每天都想躺平的大喵
本文主要介绍了pandas缺失值np.nan, np.isnan, None, pd.isnull, pd.isna
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内容请搜索脚本之家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脚本之家！
相关文章
最近在学习脚本语言python，所以下面这篇文章主要给大家介绍了关于Python中TCP socket写法的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或工作具有一定的参考学习价值，需要的朋友们一起来看看吧2018-05-05
Python BeautifulSoup基本用法详解(通过标签及class定位元素)
这篇文章主要介绍了Python BeautifulSoup基本用法(通过标签及class定位元素),本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-08-08
在 python 中文件监视主要有两个库,一个是 pyinotify,一个是 watchdog,本文主要为大家详细介绍一下Python中WatchDog的使用相关经验,感兴趣的小伙伴可以了解下2023-12-12
今天介绍一个不使用 matplot,通过 DebugInfo模块打印条形堆积图的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧2023-08-08
Python的正则表达式(re模块)是完成这个任务的利器,但你知道怎么写才能准确匹配各种合法的IP地址吗,今天我们就来详细探讨这个问题,感兴趣的朋友一起看看吧2025-04-04
这篇文章主要给大家介绍了关于Python中if和elif的用法示例及区别的相关资料,除了基本的if和else语句外,elif（即else if）也是一个非常重要的组成部分,需要的朋友可以参考下2024-04-04
本文主要介绍了pandas df.sample()的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-08-08
UEditor是由百度web前端研发部开发所见即所得富文本web编辑器，具有轻量，可定制，注重用户体验等特点，开源基于MIT协议，允许自由使用和修改代码。2014-07-07
这篇文章主要介绍了python 实现删除文件或文件夹实例详解的相关资料,这里附有实例代码，需要的朋友可以参考下2016-12-12
这篇文章主要为大家详细介绍了如何利用Python+tkinter实现网站下载工具，实现所有数据一键获取，文中的示例代码讲解详细，感兴趣的可以了解一下2023-03-03
最新评论