python-使用NaN的DataFrame逻辑运算
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python-使用NaN的DataFrame逻辑运算，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1388字，纯文字阅读大概需要2分钟。
内容图文
我正在尝试在熊猫DataFrame中进行一些比较.
# create simple DataFrame
df = DataFrame(['one', 'two', 'three'], range(1,4), columns=['col1'])
# assign one col1 value to be NAN
df.loc[1, col1] = np.nan
# this comparison works
print df['col1'] == 'three'
# assign all col1 values to NAN
df.loc[:, 'col1'] = np.nan
# this comparison fails
print df['col1'] == 'three'
第一个比较(该列中只有一个NAN值)按预期方式工作,但是第二个比较(该列中具有所有NAN值)会产生此错误：TypeError：无效的类型比较
这里发生了什么？
我看到了这个question,它提出了一些可能的但针对该问题的hacky解决方案.
但是,为什么这种行为首先发生呢？这种限制是否有用？我可以在比较之前使用df.fillna(”)进行修复,但这似乎很笨拙且令人讨厌.
所以我的问题是：
1.解决此问题的最佳方法是什么？
2.为什么这是默认行为？
解决方法:
分配所有np.nan后,您的col1的类型为float,因此尝试与字符串进行比较会引发TypeError. ：
df = pd.DataFrame(['one', 'two', 'three'], range(1, 4), columns=['col1'])
df.loc[1, 'col1'] = np.nan
col1
1 NaN
2 two
3 three
将单个np.nan分配给包含字符串值的列将使dtype对象离开：
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 1 to 3
Data columns (total 1 columns):
col1 2 non-null object
dtypes: object(1)
但是所有np.nan值都转换为float：
df.loc[:, 'col1'] = np.nan
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 1 to 3
Data columns (total 1 columns):
col1 0 non-null float64
dtypes: float64(1)
内容总结
以上是互联网集市为您收集整理的python-使用NaN的DataFrame逻辑运算全部内容，希望文章能够帮你解决python-使用NaN的DataFrame逻辑运算所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。