Python数据分析pandas之布尔索引使用详解
作者：YiYa_咿呀
这篇文章主要为大家介绍了Python数据分析pandas之布尔索引使用示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
正文
&:与|:或
不同条件需要用（）括起来
import pandas as pd
# 构造字典数据
dic = {
"name":["shanjialan","shanyanhong","luckyapple"],
"age":[21,23,12],
"hobby":["sports","music","programming"]
}
# dataframe读取字典
df = pd.DataFrame(dic)
# 简单判断 print(df[df["age"]>18]) print(df[df["name"].str.len()>10]) # 复杂判断 print(df[(df["age"]>18)&(df["age"]<22)])
pandas字符串的方法
pandas 缺失数据的处理
pd.isnull(df):df每个数据是否为空的bool矩阵
pd.notnull(df):df每个数据是否不为空的bool矩阵
缺失数据包括np.nan/None
import pandas as pd
import numpy as np
# 构造字典数据
dic = {
"name":["shanjialan","shanyanhong","luckyapple","hunvibe","chenwenhao"],
"age":[21,23,0,np.nan,21],
"hobby":["sports","music","programming","eating","basketball"]
}
# dataframe读取字典
df = pd.DataFrame(dic)
print(pd.isnull(df))
print(pd.notnull(df))
缺失值的处理方法：删除或者填充
df.dropna(how='all/any',inplace='True/False',axis=n):
how——以何种方式删除，all:所有数据都为nan,any表示只要有一个就可；inplace:是否原地修改，TRUE为原地修改，FALSE为默认选择axis:指定轴
df.fillna(value):填充为value值
print(df.dropna(how='any',axis=0,inplace=False)) print(df["age"].fillna(value=df['age'].mean()))
注意：在pandas中出现nan进行求均值等操作会默认为0，和在numpy中不同
处理0值
t[t==0]=np.nan
以上就是Python数据分析pandas之布尔索引使用详解的详细内容，更多关于Python pandas布尔索引的资料请关注脚本之家其它相关文章！