本文介绍如何使用Pandas库的高级功能，包括DataFrame的过滤操作以快速定位特定数据，以及通过numpy的nan常量和fillna()方法实现数据的高效替换。这种方法不仅简化了代码，也避免了直接赋值时可能遇到的数据类型错误。
在pandas中经常会对DataFrame数据类型中的数据进行一些替代或者查找等操作，之前笔者要查找一个具体数据的对应的行和列的时候，是将其先转为列表，再利用列表的index()方法找到对应的索引，但是当笔者发现了DataFrame的一种过滤操作后，觉得自己之前的方法简直弱爆了。如图一，如果要找到c列下one这个元素对应的行时，直接用df[df['c']=='one']即可，这个过滤操作简直太简单粗暴了，但是很好用。
（图一）
然后，如果相应替换df中的one，将其替换为阿拉伯数字1，那么可以通过图二的代码实现。即先对对应one的元素赋值为np.nan，即numpy中的nan常量，然后再用DataFrame的fillna()方法进行1的填充即可。这里为什么不直接用df[df=='one']=1呢？因为当df[df=='one']后的结果中不为NaN的值不都是浮点数类型的时候，就会抛出异常，比如这里的one就不是浮点数，而是字符串，具体原因笔者也不明，不知为何要这样设置。不过呢，不管什么类型，我们都可以对其赋值np.nan，这个是可以实现的，然后再用fillna()方法同样可以实现替换。
（图二）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
