- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我目前正在玩 Pandas 数据框,我想选择数据框中没有 None 实体属性的所有数据条目。
df_ = df.loc[df['entities'] != None]
看起来效果不错但是
df_ = df.loc[df['entities'] is not None]
会引发 KeyError这是
File "pandas_libs\index.pyx", line 107, in >pandas._libs.index.IndexEngine.get_loc File "pandas_libs\index.pyx", line 128, in >pandas._libs.index.IndexEngine.get_loc File "pandas_libs\index_class_helper.pxi", line 91, in >pandas._libs.index.Int64Engine._check_type KeyError: True
好吧,我已经知道我原来问题的解决方案了,我只是好奇为什么会这样
最佳答案
代替
df_ = df.loc[df['entities'] is not None]
或
df_ = df.loc[df['entities'] != None]
你应该使用
df_ = df.loc[df['entities'].isna()]
因为pandas中缺失值的表示方式不同于python常用的None表示缺失值的方式。特别是你会得到关键错误,因为列系列 df['entities']
是用 None
检查身份的。这在任何情况下都评估为 True
,因为该系列不是 None
。然后 .loc
在行索引中搜索 True
,这在您的案例中不存在,因此会引发异常。 !=
不会引发此异常,因为相等运算符已被 pandas.Series
重载(否则您无法通过将列与固定值,如 df['name'] == 'Miller'
)。此重载方法执行逐元素比较,并返回一个索引器,该索引器可与 .loc
方法一起正常工作。只是结果可能不是您想要的。
例如如果你这样做
import pandas as pd
import numpy as np
df= pd.DataFrame(dict(x=[1,2,3], y=list('abc'), nulls= [None, np.NaN, np.float32('inf')]))
df['nulls'].isna()
它返回:
Out[18]:
0 True
1 True
2 False
Name: nulls, dtype: bool
但是代码:
df['nulls'] == None
返回
Out[20]:
0 False
1 False
2 False
Name: nulls, dtype: bool
如果您查看列中存储的对象的数据类型,您会发现它们都是 float :
df['nulls'].map(type)
Out[19]:
0 <class 'float'>
1 <class 'float'>
2 <class 'float'>
Name: nulls, dtype: object
对于其他类型的列,缺失值的表示甚至可能不同。例如。如果您使用 Int64
列,它看起来像这样:
df['nulls_int64']= pd.Series([None, 1 , 2], dtype='Int64')
df['nulls_int64'].map(type)
Out[26]:
0 <class 'float'>
1 <class 'int'>
2 <class 'int'>
Name: nulls_int64, dtype: object
因此,使用 isna()
而不是 != None
还可以帮助您保持代码清洁,避免处理 pandas 内部数据表示。
关于python - 为什么 "is not None"不能与 dataframe.loc 一起使用,但 "!= None"可以正常工作?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57668496/
我在 Apple 的相关文档中没有找到这个:是否必须包含字段“loc-args”,即使您不需要任何参数并且它是空的,当提供字段“loc-key”时“? 谢谢 最佳答案 loc-key A key to
我有一个 Fortran 90 项目,它广泛使用 loc 函数来获取数组的地址(与 Matlab 互操作的 API 的一部分)。 这段代码在 Mac 和 Linux 上编译并运行在 Intel 和 g
让我先概述一下我要解决的问题。我试图根据包含“-1”的行中的其他两个值,将值“-1”替换为同一列中的另一个值。为了更清楚,这是一个例子。在下面的数据框中,“所有者”列中有两个缺失值。我想要的是将每个
我所做的所有研究都指向使用 loc作为通过 col(s) 值过滤数据帧的方法,今天我正在阅读 this我通过我测试的例子发现,loc当按值过滤 cols 时,不是真的需要: 前任: df = pd.D
这个问题已经有答案了: How to deal with SettingWithCopyWarning in Pandas (21 个回答) 已关闭 4 年前。 假设我有一个像这样的数据框,第一列“密
我想在我的应用程序打开时将来自推送通知负载的 loc-args 数组的第二个元素设置为 loc-key 转换,例如在 didReceiveRemoteNotification 方法中。 有效负载中的
以下赋值有何不同? df.loc[rows, [col]] = ... df.loc[rows, col] = ... 例如: r = pd.DataFrame({"response": [1,1,1
在给定 h 文件中的 LOC 数量的情况下,我可以估计最佳代码(桌面应用程序)中的 C++ LOC 数量是多少? 背景:我正在进行工作量估算和将 C++ 软件移植到 C# 的计划。 我的第一个想法是创
目标:通过实现可重用的 JS(或 ASP?)消除初始 DOM 中的冗余。 在这个例子中,我想写一些 JS 来将 div @id loc-A 的内容“bump”到 div @id loc-B,而不必在页
我正在尝试提高代码性能。我使用 Pandas 0.19.2 和 Python 3.5。 我刚刚意识到 .loc 一次写入一大堆值的速度非常不同,具体取决于数据帧初始化。 谁能解释为什么,并告诉我什么是
自己试试看: import pandas as pd s=pd.Series(xrange(5000000)) %timeit s.loc[[0]] # You need pandas 0.15.1
是否可以找到在特定提交中添加的存储库的总代码行数? 最佳答案 流失扩展做我需要的: hg churn --rev 100 关于mercurial - 查找在特定提交中添加的存储库 LOC,我们在Sta
虽然 LOC(# 代码行数)是衡量代码复杂性的一个有问题的方法,但它是最流行的方法,如果使用得非常小心,至少可以粗略估计代码库的相对复杂性(即,如果一个程序是 10KLOC)另一个是 100KLOC,
我即将在大型项目上使用SonarQube,并一直在搜索有关LOC限制的信息进行分析,但他们的网站上没有相关信息。有没有?如果是的话,限制是多少? 最佳答案 无论是在单个项目内还是跨实例,都没有硬性限制
我正在使用 SonarQube Developer Edition 5.6.7 (LTS) 并购买了支持 500 万 LOC 的许可证。我们通过拥有项目 key 和模板来使用 RBAC 和 Sonar
是否有人遇到过这样的情况:用 Java 编写并由(例如)法国程序员编写的现有代码库必须转换为英语程序员可以理解的代码?这里的问题是变量/方法/类名称、注释等都将采用该特定语言。 现在有可用的自动化解决
给定 df 'AB': A = pd.DataFrame([[1, 5, 2], [2, 4, 4], [3, 3, 1], [4, 2, 2], [5, 1, 4]], colum
我有一个像这样的数据框: import pandas as pd df = pd.DataFrame({'col1': ['abc', 'def', 'tre'],
如果我有一个 pandas.DataFrame具有不同类型的列(例如 int64 和 float64 ),从 int 获取单个元素列 .loc索引将输出转换为 float : import panda
我有一个大约 400k IP 的列表(存储在 pandas DataFrame df_IP 中)使用 maxming geoIP 数据库进行地理定位。我使用城市版本,并检索城市、纬度、经度和县代码(法
我是一名优秀的程序员,十分优秀!