Python酷库之旅-第三方库Pandas(023)

目录

一、用法精讲

pandas.DataFrame.to_csv%E5%87%BD%E6%95%B0-toc" style="margin-left:120px;">58、pandas.isnull函数

58-1、语法

58-2、参数

58-3、功能

58-4、返回值

58-5、说明

58-6、用法

58-6-1、数据准备

58-6-2、代码示例

58-6-3、结果输出

pandas.ExcelFile%E7%B1%BB-toc" style="margin-left:120px;">59、pandas.notna函数

59-1、语法

59-2、参数

59-3、功能

59-4、返回值

59-5、说明

59-6、用法

59-6-1、数据准备

59-6-2、代码示例

59-6-3、结果输出 

pandas.qcut%E5%87%BD%E6%95%B0-toc" style="margin-left:120px;">60、pandas.notnull函数

60-1、语法

60-2、参数

60-3、功能

60-4、返回值

60-5、说明

60-6、用法

60-6-1、数据准备

60-6-2、代码示例

60-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

pandas.DataFrame.to_csv%E5%87%BD%E6%95%B0">58、pandas.isnull函数
58-1、语法
python"># 58、pandas.isnull函数
pandas.isnull(obj)
Detect missing values for an array-like object.This function takes a scalar or array-like object and indicates whether values are missing (NaN in numeric arrays, None or NaN in object arrays, NaT in datetimelike).Parameters:
obj
scalar or array-like
Object to check for null or missing values.Returns:
bool or array-like of bool
For scalar input, returns a scalar boolean. For array input, returns an array of boolean indicating whether each corresponding element is missing.
58-2、参数

58-2-1、data(必须)：单个对象，类型可以是以下之一：

58-2-1-1、DataFrame：数据框

58-2-1-2、Series：序列

58-2-1-3、Index：索引

58-2-1-4、标量值(如整数、浮点数、字符串等)

58-3、功能

        用于检测给定对象中是否存在缺失值。

58-4、返回值

        返回一个与输入对象形状相同的布尔类型对象，表示对应位置是否为缺失值(NaN、None 等)。具体形式如下：

58-4-1、如果输入为DataFrame：返回一个DataFrame，其中每个元素为布尔值，表示相应位置是否为缺失值。

58-4-2、如果输入为Series：返回一个Series，其中每个元素为布尔值，表示相应位置是否为缺失值。

58-4-3、如果输入为Index：返回一个Index，其中每个元素为布尔值，表示相应位置是否为缺失值。

58-4-4、如果输入为标量值：返回一个布尔值，表示该值是否为缺失值。

58-5、说明

        该函数在数据预处理和清洗过程中非常有用，可以帮助快速定位缺失数据。

58-6、用法
58-6-1、数据准备
python">无
58-6-2、代码示例
python"># 58、pandas.isnull函数
# 58-1、对DataFrame检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
print(pd.isnull(df), end='\n\n')# 58-2、对Series检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
s = pd.Series([1, np.nan, 3])
print(pd.isnull(s), end='\n\n')# 58-3、对标量值检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
print(pd.isnull(np.nan))
print(pd.isnull(3))
58-6-3、结果输出
python"># 58、pandas.isnull函数
# 58-1、对DataFrame检测
#        A      B      C
# 0  False   True  False
# 1  False  False   True
# 2   True  False  False# 58-2、对Series检测
# 0    False
# 1     True
# 2    False
# dtype: bool# 58-3、对标量值检测
# True
# False
pandas.ExcelFile%E7%B1%BB">59、pandas.notna函数
59-1、语法
python"># 59、pandas.notna函数
pandas.notna(obj)
Detect non-missing values for an array-like object.This function takes a scalar or array-like object and indicates whether values are valid (not missing, which is NaN in numeric arrays, None or NaN in object arrays, NaT in datetimelike).Parameters:
obj
array-like or object value
Object to check for not null or non-missing values.Returns:
bool or array-like of bool
For scalar input, returns a scalar boolean. For array input, returns an array of boolean indicating whether each corresponding element is valid.
59-2、参数

59-2-1、data(必须)：单个对象，类型可以是以下之一：

59-2-1-1、DataFrame：数据框

59-2-1-2、Series：序列

59-2-1-3、Index：索引

59-2-1-4、标量值(如整数、浮点数、字符串等)

59-3、功能

        用于检测给定对象中是否存在非缺失值，它与pandas.isnull(obj)函数相反。

59-4、返回值

      返回一个与输入对象形状相同的布尔类型对象，表示对应位置是否为非缺失值，具体形式如下：

59-4-1、如果输入为DataFrame：返回一个DataFrame，其中每个元素为布尔值，表示相应位置是否为非缺失值。

59-4-2、如果输入为Series：返回一个Series，其中每个元素为布尔值，表示相应位置是否为非缺失值。

59-4-3、如果输入为Index：返回一个Index，其中每个元素为布尔值，表示相应位置是否为非缺失值。

59-4-4、如果输入为标量值：返回一个布尔值，表示该值是否为非缺失值。

59-5、说明

      该函数在数据预处理和清洗过程中非常有用，可以帮助快速定位非缺失数据。  

59-6、用法
59-6-1、数据准备
python">无
59-6-2、代码示例
python"># 59、pandas.notna函数
# 59-1、对DataFrame检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
print(pd.notna(df), end='\n\n')# 59-2、对Series检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
s = pd.Series([1, np.nan, 3])
print(pd.notna(s), end='\n\n')# 59-3、对标量值检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
print(pd.notna(np.nan))
print(pd.notna(3))
59-6-3、结果输出 
python"># 59、pandas.notna函数
# 59-1、对DataFrame检测
#        A      B      C
# 0   True  False   True
# 1   True   True  False
# 2  False   True   True# 59-2、对Series检测
# 0     True
# 1    False
# 2     True
# dtype: bool# 59-3、对标量值检测
# False
# True
pandas.qcut%E5%87%BD%E6%95%B0">60、pandas.notnull函数
60-1、语法
python"># 60、pandas.notnull函数
pandas.notnull(obj)
Detect non-missing values for an array-like object.This function takes a scalar or array-like object and indicates whether values are valid (not missing, which is NaN in numeric arrays, None or NaN in object arrays, NaT in datetimelike).Parameters:
obj
array-like or object value
Object to check for not null or non-missing values.Returns:
bool or array-like of bool
For scalar input, returns a scalar boolean. For array input, returns an array of boolean indicating whether each corresponding element is valid.
60-2、参数

60-2-1、data(必须)：单个对象，类型可以是以下之一：

60-2-1-1、DataFrame：数据框

60-2-1-2、Series：序列

60-2-1-3、Index：索引

60-2-1-4、标量值(如整数、浮点数、字符串等)

60-3、功能

        用于检测给定对象中是否存在非缺失值，它与pandas.notna(obj)函数功能相同。

60-4、返回值

      返回一个与输入对象形状相同的布尔类型对象，表示对应位置是否为非缺失值，具体形式如下：

60-4-1、如果输入为DataFrame：返回一个DataFrame，其中每个元素为布尔值，表示相应位置是否为非缺失值。

60-4-2、如果输入为Series：返回一个Series，其中每个元素为布尔值，表示相应位置是否为非缺失值。

60-4-3、如果输入为Index：返回一个Index，其中每个元素为布尔值，表示相应位置是否为非缺失值。

60-4-4、如果输入为标量值：返回一个布尔值，表示该值是否为非缺失值。

60-5、说明

        该函数在数据预处理和清洗过程中非常有用，可以帮助快速定位非缺失数据。

60-6、用法
60-6-1、数据准备
python">无
60-6-2、代码示例
python"># 60、pandas.notnull函数
# 60-1、对DataFrame检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
print(pd.notnull(df), end='\n\n')# 60-2、对Series检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
s = pd.Series([1, np.nan, 3])
print(pd.notnull(s), end='\n\n')# 60-3、对标量值检测
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan],'B': [np.nan, 2, 3],'C': [1, np.nan, 3]
})
print(pd.notnull(np.nan))
print(pd.notnull(3))
60-6-3、结果输出
python"># 60、pandas.notnull函数
# 60-1、对DataFrame检测
#        A      B      C
# 0   True  False   True
# 1   True   True  False
# 2  False   True   True# 60-2、对Series检测
# 0     True
# 1    False
# 2     True
# dtype: bool# 60-3、对标量值检测
# False
# True

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

http://www.ppmy.cn/news/1475682.html

相关文章

Xcode依赖管理大师：精通项目依赖的艺术与实践

Xcode依赖管理大师：精通项目依赖的艺术与实践

Xcode依赖管理大师：精通项目依赖的艺术与实践 在现代软件开发中，项目依赖管理是确保项目顺利进行的关键环节。Xcode，作为苹果官方的集成开发环境（IDE），提供了一套强大的工具来管理项目依赖。本文将深入探讨…
阅读更多...
WordPress：无法创建新文章？创建新帖子时候页面空白

WordPress：无法创建新文章？创建新帖子时候页面空白

wordPress中我们新建文章的时候，会遇到页面空白，这个问题是怎么导致呢？我们可以打开F12开发者模式看下报错信息，这是一个警告信息 Warning: Creating default object from empty value in /pub 到数据库 wp_posts中查看生成了很…
阅读更多...
XML Schema 指示器

XML Schema 指示器

XML Schema 指示器 1. 引言 XML Schema 是一种用于定义 XML 文档结构和内容的语言。它提供了一种强大的方式来描述 XML 文档中允许的元素、属性和数据类型。XML Schema 指示器是在 XML Schema 定义中使用的一些特殊元素和属性，它们用于指示 XML 处理器如何解析和验证 XML 文…
阅读更多...
OpenCV中使用Canny算法在图像中查找边缘

OpenCV中使用Canny算法在图像中查找边缘

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:Visual Studio Code编程语言：C11 算法描述 Canny算法是一种广泛应用于计算机视觉和图像处理领域中的边缘检测算法。它由John F. Canny在1986年提出，旨在寻找给定噪声条件下的最佳边…
阅读更多...
Python使用策略模式和openpyxl库创建Excel文件并追加内容

Python使用策略模式和openpyxl库创建Excel文件并追加内容

from openpyxl import load_workbook# 数据数组 data [[1, 2, 3],[4, 5, 6],[7, 8, 9] ]# 打开现有的 Excel 文件 excel_file sheetApend_example.xlsx wb load_workbook(excel_file)# 选择要追加数据的工作表 sheet_name test_Sheet2 # 指定要追加数据的工作表名称 sheet…
阅读更多...
Facebook的AI革命：人工智能如何改变社交体验

Facebook的AI革命：人工智能如何改变社交体验

随着科技的不断进步，人工智能（AI）作为一项革命性的技术，正在深刻影响着社交媒体的发展和用户体验。作为全球最大的社交平台之一，Facebook积极探索并应用AI技术，以提升用户的社交互动、内容分享和个性化体验…
阅读更多...
Ubuntu系统安装mysql之后进行远程连接

Ubuntu系统安装mysql之后进行远程连接

1.首先要配置数据库允许进行远程连接 1.1 打开MySQL配置文件 /etc/mysql/mysql.conf.d/mysqld.cnf sudo vim /etc/mysql/mysql.conf.d/mysqld.cnf1.2 修改 bind-address 行 #按i进入插入模式 bind-address 0.0.0.0 #按 Esc 键退出插入模式。 #输入:wq 然后按 Enter 保存并退…
阅读更多...
C# SqlSugar 如何使用Sql语句进行查询，并带参数进行查询，防注入

C# SqlSugar 如何使用Sql语句进行查询，并带参数进行查询，防注入

一般ORM查询单表数据已经是很简单的一种方式了 详情可以看我的另一篇文章：ORM C# 封装SqlSugar 操作数据库_sqlsugar 基类封装-CSDN博客 下面是介绍有些数据是需要比较复杂的SQL语句来进行查询的时候，则需要自行组装SQL语句来进行查询，下面…
阅读更多...
Mybatis-plus3.4.3下使用lambdaQuery报错

Mybatis-plus3.4.3下使用lambdaQuery报错

在 MyBatis-Plus 中，当使用 lambdaQuery().eq(CommonUser::getOpenId, openId).one() 进行查询时，如果未找到匹配的记录，不会抛出异常，而是会返回 null。 具体来说： 如果查询条件匹配到了数据库中的一条记录&#xf…
阅读更多...
java 在pdf中根据关键字位置插入图片（公章、签名等）

java 在pdf中根据关键字位置插入图片（公章、签名等）

java 在pdf中根据关键字位置插入图片&#xff08;公章、签名等&#xff09; 1.使用依赖 <dependency><groupId>com.itextpdf</groupId><artifactId>itext7-core</artifactId><version>7.1.12</version><type>pom</type>…
阅读更多...
db期末复习自用[应试向 附习题]

db期末复习自用[应试向 附习题]

第一章 数据库系统实现整体数据的结构化&#xff0c;主要特征之一&#xff0c;是db区别于文件系统的本质区别。 数据库系统三个阶段&#xff1a;人工、文件、数据库系统。 数据库管理系统的功能&#xff1a;数据库定义、操纵 、&#xff08;保护、存储、维护&#xff09;、数…
阅读更多...
web安全及内网安全知识

web安全及内网安全知识

本文来源无问社区&#xff08;wwlib.cn&#xff09;更多详细内容可前往观看http://www.wwlib.cn/index.php/artread/artid/7506.html Web安全 1、sql注入 Web程序中对于用户提交的参数未做过滤直接拼接到SQL语句中执行&#xff0c;导致参数中的特殊字符破坏了SQL语句原有逻…
阅读更多...
【算法】二叉树-迭代法实现前后中序遍历

【算法】二叉树-迭代法实现前后中序遍历

递归的实现就是:每一次递归调用都会把函数的局部变量&#xff0c;参数值和返回地址等压入调用栈中&#xff0c;然后递归返回的时候&#xff0c;从栈顶弹出上一次递归的各项参数&#xff0c;这就是递归为什么可以返回上一层位置的原因 可以用栈实现二叉树的前中后序遍历 1. 前序…
阅读更多...
WSGI 服务器教程：`write` 方法解析

WSGI 服务器教程：`write` 方法解析

Python WSGI 服务器教程&#xff1a;write 方法解析 在本文中&#xff0c;我们将详细解析一个用于 WSGI 服务器的 write 方法。这个方法负责处理 HTTP 响应&#xff0c;包括设置响应头和发送响应数据。我们将逐行解释该方法的工作原理&#xff0c;并提供一些背景知识&#xff…
阅读更多...
Python环境配置PyCharm

Python环境配置PyCharm

PyCharm Community设置: A 网络连接 File-Settings-Tools-Web Browsers and Preview-看情况吧[全部删除&#xff0c;换成本地浏览器即可] B Interpreter File-Settings-Project-Python Interpreter-Add Interpreter-System Interpreter-选择 C 系统变量 把B中下载的Pytho…
阅读更多...
如何做好漏洞扫描工作提高网络安全

如何做好漏洞扫描工作提高网络安全

在数字化浪潮席卷全球的今天&#xff0c;企业数字化转型已成为提升竞争力、实现可持续发展的关键路径。然而&#xff0c;这一转型过程并非坦途&#xff0c;其中网络安全问题如同暗礁般潜伏&#xff0c;稍有不慎便可能引发数据泄露、服务中断乃至品牌信誉受损等严重后果。因此&a…
阅读更多...
arm 版的 deb、rpm、AppImage 都有什么区别

arm 版的 deb、rpm、AppImage 都有什么区别

qq arm 版的 deb、rpm 和 AppImage 格式之间存在几个关键区别。以下是对这些区别的详细解释&#xff1a; 包管理系统与兼容性&#xff1a; deb&#xff1a;是Debian及其衍生发行版&#xff08;如Ubuntu&#xff09;中使用的软件包格式。这些系统使用dpkg命令来管理deb包&#…
阅读更多...
顶顶通呼叫中心中间件实现随时启动和停止质检(mod_cti基于FreeSWITCH)

顶顶通呼叫中心中间件实现随时启动和停止质检(mod_cti基于FreeSWITCH)

文章目录 前言联系我们拨号方案启动停止ASR执行FreeSWITCH 命令接口启动ASR接口停止ASR接口 通知配置cti.json配置质检结果写入数据库 前言 顶顶通呼叫中心中间件的实时质检功能是由两个模块组成&#xff1a;mod_asr 和 mod_qc。 mod_asr&#xff1a;负责调用ASR将用户们在通…
阅读更多...
【JavaWeb程序设计】Servlet（一）

【JavaWeb程序设计】Servlet（一）

目录 一、客户端通过login.jsp发出登录请求&#xff0c;请求提交到loginServlet处理。 1. 运行截图 2. 登录页面&#xff08;login.jsp&#xff09; 3. loginServlet 4. 登录成功页面&#xff08;loginSuccess.jsp&#xff09; 5. 登录失败页面&#xff08;loginFail.jsp…
阅读更多...
UE5.3-基础蓝图类整理一

UE5.3-基础蓝图类整理一

常用蓝图类整理&#xff1a; 1、获取当前关卡名&#xff1a;Get Current LevelName 2、通过关卡名打开关卡&#xff1a;Open Level(by name) 3、碰撞检测事件&#xff1a;Event ActorBeginOverlap 4、获取当前player&#xff1a;Get Player Pawn 5、判断是否相等&#xff1…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站