替換值在下面的數據框:任何列在熊貓數據幀
T2MN T2MX RH2M DFP2M RAIN
6.96 9.32 84.27 5.57 -
6.31 10.46 - 5.63 -
- 10.66 79.38 3.63 -
0.79 4.45 94.24 1.85 -
1.45 3.99 91.71 1.17 -
如何與南的更換所有的-
。我不想指定列名,因爲我不知道列手這之前將有-
替換值在下面的數據框:任何列在熊貓數據幀
T2MN T2MX RH2M DFP2M RAIN
6.96 9.32 84.27 5.57 -
6.31 10.46 - 5.63 -
- 10.66 79.38 3.63 -
0.79 4.45 94.24 1.85 -
1.45 3.99 91.71 1.17 -
如何與南的更換所有的-
。我不想指定列名,因爲我不知道列手這之前將有-
如果這些都是字符串,那麼你的花車也可能字符串。
假設你的數據幀是df
,我想嘗試
pd.to_numeric(df.stack(), 'coerce').unstack()
再闡釋
大熊貓通常不與'-'
表示丟失的浮動。因此,該'-'
必須是一個字符串。因此,其中'-'
的任何列的dtype
必須是'object'
。這使得很有可能不管分析數據,都將浮點數作爲字符串。
設置
from io import StringIO
import pandas as pd
txt = """T2MN T2MX RH2M DFP2M RAIN
6.96 9.32 84.27 5.57 -
6.31 10.46 - 5.63 -
- 10.66 79.38 3.63 -
0.79 4.45 94.24 1.85 -
1.45 3.99 91.71 1.17 - """
df = pd.read_csv(StringIO(txt), delim_whitespace=True)
print(df)
T2MN T2MX RH2M DFP2M RAIN
0 6.96 9.32 84.27 5.57 -
1 6.31 10.46 - 5.63 -
2 - 10.66 79.38 3.63 -
3 0.79 4.45 94.24 1.85 -
4 1.45 3.99 91.71 1.17 -
什麼dtypes
?
print(df.dtypes)
T2MN object
T2MX float64
RH2M object
DFP2M float64
RAIN object
dtype: object
第一個元素的類型是什麼?
print(type(df.iloc[0, 0]))
<class 'str'>
這意味着任何具有'-'
的列都像一列看起來像浮點的字符串。您想要使用pd.to_numeric
和參數errors='coerce'
強制非數字項目到np.nan
。但是,pd.to_numeric
不適用於pd.DataFrame
,所以我們stack
和unstack
。
pd.to_numeric(df.stack(), 'coerce').unstack()
T2MN T2MX RH2M DFP2M RAIN
0 6.96 9.32 84.27 5.57 NaN
1 6.31 10.46 NaN 5.63 NaN
2 NaN 10.66 79.38 3.63 NaN
3 0.79 4.45 94.24 1.85 NaN
4 1.45 3.99 91.71 1.17 NaN
只是replace()
字符串:
In [10]: df.replace('-', 'NaN')
Out[10]:
T2MN T2MX RH2M DFP2M RAIN
0 6.96 9.32 84.27 5.57 NaN
1 6.31 10.46 NaN 5.63 NaN
2 NaN 10.66 79.38 3.63 NaN
3 0.79 4.45 94.24 1.85 NaN
4 1.45 3.99 91.71 1.17 NaN
我想你想的實際numpy.nan
而不是一個字符串NaN
的,你可以用很多方法,如在pandas.Series
/pandas.DataFrame
import pandas as pd
import numpy as np
df = pd.DataFrame([['-']*10]*10)
df = df.replace('-',np.nan)
看起來你fillna
/isnull
/notnull
正在從CSV/FWF文件中讀取這些數據......如果這是真的,擺脫'-'
的最簡單方法是解釋熊貓,它是NaN
的表示:
df = pd.read_csv(filename, na_values=['NaN', 'nan', '-'])
測試:
In [79]: df
Out[79]:
T2MN T2MX RH2M DFP2M RAIN
0 6.96 9.32 84.27 5.57 NaN
1 6.31 10.46 NaN 5.63 NaN
2 NaN 10.66 79.38 3.63 NaN
3 0.79 4.45 94.24 1.85 NaN
4 1.45 3.99 91.71 1.17 NaN
In [80]: df.dtypes
Out[80]:
T2MN float64
T2MX float64
RH2M float64
DFP2M float64
RAIN float64
dtype: object
這看起來像是男的顯示值 –