Python 数据分析:DataFrame,有无空值?有几个?

1 示例代码

  直接上代码。

def dframe1():
    """
    Python 数据分析:DataFrame,有无空值?有几个?
    """
    """
    使用字典生成 df
    """
    df = pd.DataFrame({
                        '语文':[110, 109, 99],
                        '数学':[105, 88, 115],
                        '英语':[109, 120, 130],
                        '班级':'高一7班'
                       },index=["张三", "李四", "王五"])
    # ~ print(df)
    """
          语文  数学  英语     班级
    张三   110   105   109  高一7班
    李四   109    88   120  高一7班
    王五    99   115   130  高一7班
    """
    """
    做个空值
    """
    df.loc["李四", "英语"] = None
    # ~ print(df)
    """
          语文  数学   英语     班级
    张三   110   105  109.0  高一7班
    李四   109    88    NaN  高一7班
    王五    99   115  130.0  高一7班
    """
    """
    为什么其他人的英语成绩都变成浮点数了?
    整数没有缺失值的概念,NaN = not a number,是浮点数的特殊值。
    设置“李四”的“英语”成绩为 NaN 后,整个“英语”列都变成浮点数了。
    也可以使用 np.nan 设置。
    """
    df.loc["张三", "数学"] = np.nan
    # ~ print(df)
    """
          语文   数学   英语     班级
    张三   110    NaN  109.0  高一7班
    李四   109   88.0    NaN  高一7班
    王五    99  115.0  130.0  高一7班
    """
    """
    看有无空值
    """
    df1 = df.isnull()
    # ~ print(df1)
    """
           语文   数学   英语   班级
    张三  False   True  False  False
    李四  False  False   True  False
    王五  False  False  False  False
    """
    # ~ print(df.isnull().values.any())
    """
    将布尔矩阵转换为 NumPy 数组后检测是否存在 True 。
    .any(),有一个 True 就返回 True 。
    """
    """
    True
    """
    """
    每列有多少个空值?

    """
    missing_per_col = df.isnull().sum()
    # ~ print(missing_per_col)
    """
    语文    0
    数学    1
    英语    1
    班级    0
    dtype: int64
    很明显这是个 Series 类型的数据,想取“数学”列的缺失值有多少个也很简单:
    """
    # ~ print(missing_per_col["数学"])
    """
    1
    """
    """
    按行计算缺失值数量
    """
    missing_per_row = df.isnull().sum(axis=1)
    print(missing_per_row)
    """
    张三    1
    李四    1
    王五    0
    dtype: int64
    """
    """
    axis=1 不是列吗?怎么给出的结果是行的数据?
    你看,DataFrame 的形状(m, n),m 是行,n 是列,没错吧?
    m 对应 axis=0 ,n 对应 axis=1 ,对吧?
    axis=1 就是列啊,哪里不对?
    说 axis=1 是列,这里有误区。
    DataFrame 中的 axis 继承自 numpy ,本质相同。
    但 DataFrame 只有两维,比 numpy 更简单。
    可以用“df.shape”取其形状元组,得到:(行数, 列数),如:(10, 5)。
    十行五列。
    axis=0 对应的形状是 10 ,对应“行”,但不能说它就是行。
    axis=1 对应的形状是 5 ,对应“列”,但不能说它就是列。
    axis 表示的不是“静态维度”,而是“操作方向”。
    """
    """
    其实既不是行也不是列。
    axis 继承自 numpy ,但比 numpy 中的 axis 更简单。
    DataFrame 是二维表格结构,只有 axis=0/1 两种。
    通过 dp.shape 可取回 DataFrame 形状元组,模型为(行数, 列数),如:(10, 5)。
    哪个对应 axis=0 ?和 numpy 一样,形状元组最左边的数字,10 。
    哪个对应 axis=1 ?和 numpy 一样,形状元组左数第二个数字,5 。
    巧了,正好分别对应 DataFrame 的行与列,于是一个误区出现了:axis=0 就是行;axis=1 就是列。
    不对。
    axis 表示的不是“静态维度”,而是“操作方向”。
    看到 axis 应该马上想到动画:
    要么行方向要么列方向。
    这不废话吗,不容易搞清楚的就是行方向和列方向,到底啥是行/列方向?
    加一个字的动词,难题迎刃而解。
    “跨”。
    跨行方向:跨嘛,一行一行往下。跟行有关,定义为该方向 axis=0 。
    但你发现没,一行一行往下,如果从第一行找个点、最后一行找个点,连起来,表示一下这个方向,它其实是列向量方向?
    对,axis=0 操作列向量。
    跨列方向:跨嘛,一列一列往右。跟列有关,定义为该方向 axis=1 。
    但你发现没,一列一列往右,如果从第一列找个点、最后一列找个点,连起来,表示一下这个方向,它其实是行向量方向?
    对,axis=1 操作行向量。
    说一下怎么都忘不了、记不混的记忆方法:
    (m, n) → m行n列 → m axis=0 → 行,不是,跨行 → 一行行向下 → 列向量(零列)
    (m, n) → m行n列 → n axis=1 → 列,不是,跨列 → 一列列向右 → 行向量(一行)
    实在记不住的话,死记:零列一行 → 凛冽一航 → 卓一航冒着凛冽的寒风去找练霓裳(梁羽生:《白发魔女传》)
    记住这些以下示例就很容易理解了,计算“物理”总分。
    “物理”列,想求“物理”总分就得操作“物理”列向量,凛冽。凛,零。
    """
    data = [[81, 72, 93], [64, 45, 36], [79, 78, 99]]
    df = pd.DataFrame(data=data, columns=["物理", "化学", "生物"])
    print(df)
    """
       物理  化学  生物
    0    81    72    93
    1    64    45    36
    2    79    78    99
    """
    phys = df["物理"].sum(axis=0)
    print(phys)
    """
    224
    """
    """
    我们给行搞成标签索引。
    """
    df.index = ["张三", "李四", "王五"]
    print(df)
    """
          物理  化学  生物
    张三    81    72    93
    李四    64    45    36
    王五    79    78    99
    """
    """
    计算“张三”三门课总成绩。
    参照上边成功的:phys = df["物理"].sum(axis=0)
    先选“物理”列,再 .sum() ,同时指定维度。
    不就是计算 81+72+93 ,这是操作行向量,卓一航,一行,一,1

    """
    # ~ zhans = df.loc["张三"].sum(axis=1)
    # ~ print(zhans)
    """
    ValueError: No axis named 1 for object type Series
    """
    """
    what?
    没有 axis=1 ?
    等等,Series ?
    我好像明白了。
    """
    s = df.loc["张三"]
    print(s)
    """
    物理    81
    化学    72
    生物    93
    Name: 张三, dtype: int64
    """
    """
    果然,这样得到的是一个 Series 类型的数据,只有一维,所以哪来的 axis=1 。
    这时候想求“张三”三门课的总成绩,只能写:
    """
    zhangs = s.sum(axis=0)
    print(zhangs)
    """
    246
    """
    """
    完了,疯了,那之前还说“一行”?又不用 1 ?
    用先取回一行或一列,得到 Series 再用 .sum() 的思路,最终 .sum() 的参数永远不可能是 axis=1 。
    求“物理”那个只是碰巧做对了。
    怎么才对?
    其实不是说上边的方法不行,完全可行。
    先取行或先取列,再求和或进行其它操作,完全没问题,思路也清晰。
    如此 .sum() 得到的结果为标量。
    而且永远不用考虑 axis 等于几,只能等于 0 ,甚至可以忽略不写。
    我们看看什么时候用到 axis=1 。
    """
    s = df.sum(axis=1)
    """
    这就完了?对,就这么简单,这不就用上了?
    """
    print(s)
    """
    张三    246
    李四    145
    王五    256
    dtype: int64
    """
    """
    输出了:张三总分、李四总分、王五总分。
    此时 .sum() 得到的结果为 Series 数据类型。
    再求张三部分就简单了啊:
    """
    print(s["张三"])
    """
    246
    """
    """
    看到了吧,df.sum(axis=1),就是对 df 整体、逐行计算各行全列总和。
    想要某具体数据,再从结果中剥离。
    和先取行或列,再应用 .sum() 其实殊途同归。
    """
    """
    df.sum(axis=0)
    输出:物理列总和、化学列总和、生物列总和。
    求物理列总和可以这样写:df.sum(axis=0)["物理"]
    """
    print(df.sum(axis=0)["物理"])
    """
    224
    """
    """
    df.concat() 等但凡涉及 axis=0/1 设置的动词,都可以使用“凛冽/一航”谐音记忆。
    从理解角度就是加动词“跨”:几行几列/跨行跨列。
    """
    """
    看到这里,就能非常容易地理解下边这句了吧?
    missing_per_row = df.isnull().sum(axis=1)
    意思就是逐行看看有没有空值。
    """
# ~ dframe1()

2 欢迎纠错

  欢迎纠错,随时更新。
  联系方式:评论、私信,或 企鹅 :179 0042 182 。

3 论文写作/Python 学习智能体

https://chatglm.cn/share/WF2C5ree


  • 以下关于 Markdown 编辑器

你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

++ 新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

  1. 全新的界面设计 ,将会带来全新的写作体验;
  2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
  3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
  4. 全新的 KaTeX数学公式 语法;
  5. 增加了支持甘特图的mermaid语法1 功能;
  6. 增加了 多屏幕编辑 Markdown文章功能;
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
  8. 增加了 检查列表 功能。

++ 功能快捷键

撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G

++ 合理的创建标题,有助于目录的生成

直接输入1次+,并按下space后,将生成1级标题。
输入2次+,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

++ 如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

++ 插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

++ 如何插入一段漂亮的代码片

博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

++ 生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 计划任务
  • 完成任务

++ 创建一个表格
一个简单的表格是这么创建的:

项目Value
电脑$1600
手机$12
导管$1

+++ 设定内容居中、居左、居右
使用:---------:居中
使用:----------居左
使用----------:居右

第一列第二列第三列
第一列文本居中第二列文本居右第三列文本居左

+++ SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

TYPEASCIIHTML
Single backticks'Isn't this fun?'‘Isn’t this fun?’
Quotes"Isn't this fun?"“Isn’t this fun?”
Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

++ 创建一个自定义列表
Markdown
: Text-to-HTML conversion tool

Authors
John
Luke

++ 如何创建一个注脚

一个具有注脚的文本。2

++ 注释也是必不可少的

Markdown将文本转换为 HTML

++ KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

++ 新的甘特图功能,丰富你的文章

2014-01-07 2014-01-09 2014-01-11 2014-01-13 2014-01-15 2014-01-17 2014-01-19 2014-01-21 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 关于 甘特图 语法,参考 这儿,

++ UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:

张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆角长方形
菱形
  • 关于 Mermaid 语法,参考 这儿,

++ FLowchart流程图

我们依旧会支持flowchart的流程图:

Created with Raphaël 2.3.0 开始 我的操作 确认? 结束 yes no
  • 关于 Flowchart流程图 语法,参考 这儿.

++ 导出与导入

+++ 导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

+++ 导入
如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。


  1. mermaid语法说明 ↩︎

  2. 注脚的解释 ↩︎

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值