Python酷库之旅-第三方库Pandas(193)

目录

一、用法精讲

896、pandas.Index.isna方法

896-1、语法

896-2、参数

896-3、功能

896-4、返回值

896-5、说明

896-6、用法

896-6-1、数据准备

896-6-2、代码示例

896-6-3、结果输出

897、pandas.Index.notna方法

897-1、语法

897-2、参数

897-3、功能

897-4、返回值

897-5、说明

897-6、用法

897-6-1、数据准备

897-6-2、代码示例

897-6-3、结果输出

898、pandas.Index.astype方法

898-1、语法

898-2、参数

898-3、功能

898-4、返回值

898-5、说明

898-6、用法

898-6-1、数据准备

898-6-2、代码示例

898-6-3、结果输出

899、pandas.Index.item方法

899-1、语法

899-2、参数

899-3、功能

899-4、返回值

899-5、说明

899-6、用法

899-6-1、数据准备

899-6-2、代码示例

899-6-3、结果输出

900、pandas.Index.map方法

900-1、语法

900-2、参数

900-3、功能

900-4、返回值

900-5、说明

900-6、用法

900-6-1、数据准备

900-6-2、代码示例

900-6-3、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

896、pandas.Index.isna方法
896-1、语法
# 896、pandas.Index.isna方法
final pandas.Index.isna()
Detect missing values.Return a boolean same-sized object indicating if the values are NA. NA values, such as None, numpy.NaN or pd.NaT, get mapped to True values. Everything else get mapped to False values. Characters such as empty strings ‘’ or numpy.inf are not considered NA values.Returns:
numpy.ndarray[bool]
A boolean array of whether my values are NA.
896-2、参数

        无

896-3、功能

        用于检测Pandas索引对象中缺失值(NaN)。

896-4、返回值

        返回一个布尔类型的数组，数组的长度与原索引相同，如果某个位置的值是缺失的(即NaN)，则对应的布尔数组中的值为True，否则为False。

896-5、说明

        无

896-6、用法
896-6-1、数据准备
无
896-6-2、代码示例
# 896、pandas.Index.isna方法
import pandas as pd
import numpy as np
# 创建一个含有缺失值的索引
index = pd.Index([1, 2, np.nan, 4, 5, np.nan])
# 使用isna()方法检测缺失值
missing_values = index.isna()
print(missing_values)
896-6-3、结果输出
# 896、pandas.Index.isna方法 
# [False False  True False False  True]
897、pandas.Index.notna方法
897-1、语法
# 897、pandas.Index.notna方法
final pandas.Index.notna()
Detect existing (non-missing) values.Return a boolean same-sized object indicating if the values are not NA. Non-missing values get mapped to True. Characters such as empty strings '' or numpy.inf are not considered NA values. NA values, such as None or numpy.NaN, get mapped to False values.Returns:
numpy.ndarray[bool]
Boolean array to indicate which entries are not NA.
897-2、参数

        无

897-3、功能

        用于检测Pandas索引对象中非缺失值。

897-4、返回值

        返回一个布尔类型的数组，数组的长度与原索引相同，如果某个位置的值不是缺失的(即不是NaN)，则对应的布尔值为True，否则为False。

897-5、说明

        无

897-6、用法
897-6-1、数据准备
无
897-6-2、代码示例
# 897、pandas.Index.notna方法
import pandas as pd
import numpy as np
# 创建一个含有缺失值的索引
index = pd.Index([1, 2, np.nan, 4, 5, np.nan])
# 使用notna()方法检测非缺失值
non_missing_values = index.notna()
print(non_missing_values)
897-6-3、结果输出
# 897、pandas.Index.notna方法 
# [ True  True False  True  True False]
898、pandas.Index.astype方法
898-1、语法
# 898、pandas.Index.astype方法
pandas.Index.astype(dtype, copy=True)
Create an Index with values cast to dtypes.The class of a new Index is determined by dtype. When conversion is impossible, a TypeError exception is raised.Parameters:
dtype
numpy dtype or pandas type
Note that any signed integer dtype is treated as 'int64', and any unsigned integer dtype is treated as 'uint64', regardless of the size.copy
bool, default True
By default, astype always returns a newly allocated object. If copy is set to False and internal requirements on dtype are satisfied, the original data is used to create a new Index or the original Index is returned.Returns:
Index
Index with values cast to specified dtype.
898-2、参数

898-2-1、dtype(必需)：字符串，表示目标数据类型，可以是NumPy数据类型(如np.int64，np.float32等)或者对应的字符串表示(如'int64'，'float'等)，该参数指定了将当前Index中的所有元素转换为的新数据类型。

898-2-2、copy(可选，默认值为True)：布尔值，是否返回一个新的对象，如果设置为True，将会复制数据并返回新的Index；如果设置为False，如果可能则返回原数组的视图，或者可能是原数组的引用，为了确保不改变原始数据，通常建议将其设置为True。

898-3、功能

        改变Index对象中元素的数据类型，返回一个具有新数据类型的新Index对象，适用于需要显式转换数据类型的场景，比如在数据预处理或清洗过程中，确保Index的数据类型与分析需求一致。

898-4、返回值

        返回一个新的Index对象，类型根据dtype参数指定，如果成功转换，则新Index中的元素将具有指定的数据类型；如果转换失败，将引发相应的异常。

898-5、说明

        无

898-6、用法
898-6-1、数据准备
无
898-6-2、代码示例
# 898、pandas.Index.astype方法
import pandas as pd
# 创建一个索引对象
index = pd.Index([1, 2, 3, 4])
# 转换为浮点型
new_index = index.astype(float)
print(new_index)
898-6-3、结果输出
# 898、pandas.Index.astype方法
# Index([1.0, 2.0, 3.0, 4.0], dtype='float64')
899、pandas.Index.item方法
899-1、语法
# 899、pandas.Index.item方法
pandas.Index.item()
Return the first element of the underlying data as a Python scalar.Returns:
scalar
The first element of Series or Index.Raises:
ValueError
If the data is not length = 1.
899-2、参数

        无

899-3、功能

        当Index对象仅包含一个元素时，调用该方法将返回该元素的值，如果Index包含多个元素，调用此方法将引发IndexError。

899-4、返回值

        返回Index中唯一元素的标量值。

899-5、说明

        无

899-6、用法
899-6-1、数据准备
无
899-6-2、代码示例
# 899、pandas.Index.item方法
import pandas as pd
# 创建一个包含单个元素的索引对象
index_single = pd.Index([42])
# 使用item()方法提取元素
item_value = index_single.item()
print(item_value)
899-6-3、结果输出
# 899、pandas.Index.item方法
# 42
900、pandas.Index.map方法
900-1、语法
# 900、pandas.Index.map方法
pandas.Index.map(mapper, na_action=None)
Map values using an input mapping or function.Parameters:
mapper
function, dict, or Series
Mapping correspondence.na_action
{None, ‘ignore’}
If ‘ignore’, propagate NA values, without passing them to the mapping correspondence.Returns:
Union[Index, MultiIndex]
The output of the mapping function applied to the index. If the function returns a tuple with more than one element a MultiIndex will be returned.
900-2、参数

900-2-1、mapper(必需)：该方法的核心参数，它可以是以下几种类型：

  • 函数: 可以是自定义的函数，接受一个输入并返回相应的输出。该函数将应用于Index中的每个元素。
  • 字典: 字典的键对应于Index中的元素，值则是要映射到的新值，若有元素在字典中找不到对应键，结果将为NaN。
  • 序列: 用于直接映射，要求序列的索引与Index对象的元素一一对应。
  • Series: 类似于字典，Series的索引对应Index中的元素，Series的值将成为映射的新值。

900-2-2、na_action(可选，默认值为None)：控制如何处理NaN值的参数，接受的取值有：

  • 'ignore'(默认值): 对于NaN值，保持原样，不进行映射。
  • 'raise': 遇到NaN值将引发异常。
900-3、功能

        根据提供的mapper对Index对象的每个元素进行转换，通过这个方法，用户可以轻松地处理索引数据，例如对元素进行替换、转换格式、数据清洗等，在数据预处理和转换环节非常常见。

900-4、返回值

        返回一个新的Index对象，其中包含经过映射后的元素，返回的Index类型取决于映射操作的结果：

  • 如果映射是有效的且每个元素都能够成功转换，则返回的Index将与原索引长度相同。
  • 如果映射过程中存在未找到映射的元素，根据na_action的设置，可能会返回NaN值。
900-5、说明

        无

900-6、用法
900-6-1、数据准备
无
900-6-2、代码示例
# 900、pandas.Index.map方法
import pandas as pd
# 创建一个Index
index = pd.Index(['a', 'b', 'c', 'd'])
# 使用map函数：将每个元素大写
mapped_index = index.map(str.upper)
print(mapped_index)
# 使用字典映射
mapping_dict = {'a': 1, 'b': 2, 'c': 3}
mapped_index = index.map(mapping_dict)
print(mapped_index)  
# 使用na_action
mapped_index = index.map(mapping_dict, na_action='ignore')
print(mapped_index)
900-6-3、结果输出
# 900、pandas.Index.map方法 
# Index(['A', 'B', 'C', 'D'], dtype='object')
# Index([1.0, 2.0, 3.0, nan], dtype='float64')
# Index([1.0, 2.0, 3.0, nan], dtype='float64')

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

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。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。如若转载，请注明出处：http://www.rhkb.cn/news/464211.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

使用Mac如何才能提高OCR与翻译的效率

使用Mac如何才能提高OCR与翻译的效率

OCR与截图大家都不陌生，或许有的朋友对于这两项功能用到的不多，但是如果经常会用到的话，那你就该看看了 iOCR，快捷键唤出翻译窗口，不论是截图翻译、划词翻译、输入翻译、剪切板翻译，统统快捷键完成&#x…
阅读更多...
《欢乐饭米粒儿9》第五期：用笑声诠释生活，让爱成为日常

《欢乐饭米粒儿9》第五期：用笑声诠释生活，让爱成为日常

在忙碌的生活节奏中，我们总是在寻找那份能够触动心灵深处的温暖与欢笑。由鲜博士独家冠名播出的独创小品剧《欢乐饭米粒儿》第九季作为一档家庭喜剧节目，正是这样一股清流，它以轻松幽默的方式，将家的温暖、爱的传递和生活的真谛娓…
阅读更多...
基于人脸识别PCA算法matlab实现及详细步骤讲解

基于人脸识别PCA算法matlab实现及详细步骤讲解

人脸识别 % FaceRec.m % PCA 人脸识别修订版，识别率88％ % calc xmean,sigma and its eigen decomposition allsamples[];%所有训练图像 for i1:40 for j1:5 aimread(strcat(e:\ORL\s,num2str(i),\,num2str(j),.jpg)); % imshow(a); ba(1:112*92…
阅读更多...
C#的Event事件示例小白级剖析

C#的Event事件示例小白级剖析

1、委托Delegate 首先说一下delegate委托，委托是将方法作为参数进行传递。 // 定义了一个委托类型public delegate void MyDelegate(int num);// 定义了一个啥也不干的委托实例public MyDelegate m_delegate _ > {};// 定义了一个和委托相同格式的方法public …
阅读更多...
Android 使用ninja加速编译的方法

Android 使用ninja加速编译的方法

ninja的简介 随着Android版本的更迭，makefile体系逐渐增多，导致make单编模块的时间越来越长，每次都需要半个小时甚至更长时间，其原因为每次make都会重新加载所有mk文件，再生成ninja编译，此完整过程十分耗时…
阅读更多...
VSCode 1.82之后的vscode server离线安装

VSCode 1.82之后的vscode server离线安装

概述 因为今天在公司开发项目的时候，需要离线配置vscode远程开发环境， 根据参考链接1配置了一遍，不管怎么重启，VSCODE都还是提示下载vscode server，后面在官方issue上找到了解决方案 解决方案 修改Remote SSH的配置…
阅读更多...
什么是 OpenTelemetry？

什么是 OpenTelemetry？

OpenTelemetry 定义 OpenTelemetry (OTel) 是一个开源可观测性框架，允许开发团队以单一、统一的格式生成、处理和传输遥测数据（telemetry data）。它由云原生计算基金会 (CNCF) 开发，旨在提供标准化协议和工具，用于收集…
阅读更多...
缓存、注解、分页

缓存、注解、分页

一.缓存 作用：应用查询上，内存中的块区域。 缓存查询结果，减少与数据库的交互，从而提高运行效率。 1.SqlSession 缓存 1. 又称为一级缓存，mybatis自动开启。 2. 作用范围：同一…
阅读更多...
AI打造超写实虚拟人物：是科技奇迹还是伦理挑战？

AI打造超写实虚拟人物：是科技奇迹还是伦理挑战？

内容概要 在这个科技飞速发展的时代，超写实虚拟人物仿佛从科幻小说中走进了我们的日常生活。它们以生动的形象和细腻的动作，不仅在影视、广告和游戏中吸引了无数目光，更让我们对AI技术的未来充满了期待和疑惑。这些数字化身在逼真的外貌下&a…
阅读更多...
CODESYS可视化星三角降压启动程序控制电气动画图

CODESYS可视化星三角降压启动程序控制电气动画图

#一个用CODESYS可视化做的星三角降压启动程序控制电气动画图# 前言： 关于星三角降压启动控制，作为电气行业入门的必备知识点，涉及到电机本身特性导致的电压，电流（转矩），功率和转速等一系列的关系和变化，以及星型和三角形的绕组方式。本篇我们使用CODESYS结合程序和可视…
阅读更多...
物联网赋能的人工智能图像检测系统

物联网赋能的人工智能图像检测系统

一、引言 在数字化时代，物联网（IoT）技术已经成为我们生活中不可或缺的一部分，极大地优化了我们的交通出行和医疗服务。物联网的核心优势在于其卓越的连接能力，它能够构建和连接庞大的资源数据库，为智能化图…
阅读更多...
软件架构演变：从单体架构到LLM链式调用

软件架构演变：从单体架构到LLM链式调用

0 前言 软件架构——我们数字世界的蓝图——自20世纪中叶计算机时代诞生以来，已经发生了巨大演变。 20世纪60年代和70年代早期，以大型主机和单体软件为主导。而今天，数字领域已完全不同，运行在由云计算、API连接、AI算法、微服务…
阅读更多...
Claude 3.5 Sonnet模型新增了PDF支持功能

Claude 3.5 Sonnet模型新增了PDF支持功能

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领…
阅读更多...
【每日一题】LeetCode - 三数之和

【每日一题】LeetCode - 三数之和

给你一个整数数组 nums ，判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i ! j、i ! k 且 j ! k ，同时还满足 nums[i] nums[j] nums[k] 0 。请你返回所有和为 0 且不重复的三元组。 注意：答案中不可以包含重复的三元组。 示例 示…
阅读更多...
基于 Canal + Elasticsearch 的业务操作日志解决方案

基于 Canal + Elasticsearch 的业务操作日志解决方案

一、问题来源 在日常的业务系统中，操作日志是不可或缺的一部分。它能帮助我们追踪用户的操作行为，记录关键数据的变更，甚至在必要时支持操作回滚。最近，我们接到客户的需求，希望在系统中实现一个业务操作日志管理的功能…
阅读更多...
Python并发编程库：Asyncio的异步编程实战

Python并发编程库：Asyncio的异步编程实战

Python并发编程库：Asyncio的异步编程实战 在现代应用中，并发和高效的I/O处理是影响系统性能的关键因素之一。Python的asyncio库是专为异步编程设计的模块，提供了一种更加高效、易读的并发编程方式，适用于处理大量的I/O密集型任务…
阅读更多...
【Vue项目1】第一篇

【Vue项目1】第一篇

Vue项目1学习第一篇 01. 环境配置介绍和项目搭建02. Router路由配置引入03. ElementPlus引入和按需加载04. layout布局和菜单aside组件创建05. aside样式问题和treeMenu组件拆分06. treeMenu组件递归实现 01. 环境配置介绍和项目搭建 （1）安装node.js …
阅读更多...
WPF使用Prism框架首页界面

WPF使用Prism框架首页界面

1. 首先确保已经下载了NuGet包MaterialDesignThemes 2.我们通过包的项目URL可以跳转到Github上查看源码 3.找到首页所在的代码位置 4.将代码复制下来&#xff0c;删除掉自己不需要的东西&#xff0c;最终如下 <materialDesign:DialogHostDialogTheme"Inherit"Ide…
阅读更多...
Golang | Leetcode Golang题解之第524题通过删除字母匹配到字典里最长单词

Golang | Leetcode Golang题解之第524题通过删除字母匹配到字典里最长单词

题目&#xff1a; 题解&#xff1a; func findLongestWord(s string, dictionary []string) (ans string) {m : len(s)f : make([][26]int, m1)for i : range f[m] {f[m][i] m}for i : m - 1; i > 0; i-- {f[i] f[i1]f[i][s[i]-a] i}outer:for _, t : range dictionary …
阅读更多...
无人机的就业前景怎么样？

无人机的就业前景怎么样？

无人机的就业前景在当前及未来一段时间内都非常广阔。随着低空经济的蓬勃发展&#xff0c;无人机在农业、公安、测绘、交通、应急救援、影视拍摄等多个领域得到了广泛应用&#xff0c;对无人机操控员和相关专业人才的需求也随之急剧增加。 一、无人机操控员的就业前景 1. 高需…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023