- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我试图理解为什么用空格替换 NaN 会减少显示位数。
我有数据框:
0 -3.030889 -3.510211 -3.502291 -3.502357 -3.502817
1 -3.460590 NaN -3.584687 NaN NaN
2 -2.151932 -2.504276 -2.494087 -2.493053 -2.493741
3 -2.462477 NaN -2.556205 NaN NaN
4 -1.712807 -1.906281 -1.902953 -1.902297 -1.902253
5 -1.883432 NaN -1.932924 NaN NaN
使用 `df = df.replace(np.nan, '', regex=True) 后,一些数字显示为 5 位小数。
0 -3.030889 -3.51021 -3.502291 -3.50236 -3.50282
1 -3.460590 -3.584687
2 -2.151932 -2.50428 -2.494087 -2.49305 -2.49374
3 -2.462477 -2.556205
4 -1.712807 -1.90628 -1.902953 -1.9023 -1.90225
5 -1.883432 -1.932924
我如何控制它并保持像第一个 DataFrame 中那样呈现数字的精度?
最佳答案
正如评论所暗示的,你失去精度的原因是因为当你将一个字符串弹出到一列 float 中时,pandas 被迫将该列的 dtype 转换为 object
。我将尝试详细说明这个答案中的要点。这是一个例子:
import pandas as pd
import numpy as np
NaN = np.NaN
rows = [[-3.030889, -3.510211, -3.502291, -3.502357, -3.502817],
[-3.460590, NaN, -3.584687, NaN, NaN],
[-2.151932, -2.504276, -2.494087, -2.493053, -2.493741],
[-2.462477, NaN, -2.556205, NaN, NaN],
[-1.712807, -1.906281, -1.902953, -1.902297, -1.902253],
[-1.883432, NaN, -1.932924, NaN, NaN]]
df = pd.DataFrame(rows)
print(df)
print(df.dtypes)
print()
new_df = df.replace(np.nan, '', regex=True)
print(new_df)
print(new_df.dtypes)
输出:
0 1 2 3 4
0 -3.030889 -3.510211 -3.502291 -3.502357 -3.502817
1 -3.460590 NaN -3.584687 NaN NaN
2 -2.151932 -2.504276 -2.494087 -2.493053 -2.493741
3 -2.462477 NaN -2.556205 NaN NaN
4 -1.712807 -1.906281 -1.902953 -1.902297 -1.902253
5 -1.883432 NaN -1.932924 NaN NaN
0 float64
1 float64
2 float64
3 float64
4 float64
dtype: object
0 1 2 3 4
0 -3.030889 -3.51021 -3.502291 -3.50236 -3.50282
1 -3.460590 -3.584687
2 -2.151932 -2.50428 -2.494087 -2.49305 -2.49374
3 -2.462477 -2.556205
4 -1.712807 -1.90628 -1.902953 -1.9023 -1.90225
5 -1.883432 -1.932924
0 float64
1 object
2 float64
3 object
4 object
dtype: object
请注意,任何列都有 NaN
替换为''
现在类型为 object
(上例中的第 1、3 和 4 列)。转换为对象时不仅会失去精度,还会失去语义。您的数据不再都是 float64
类型。因此,如果您尝试对列进行某些操作,将会很困难,因为列项并不都是同一类型。
如果我们进入pdb
(通过调用 import pdb; pdb.set_trace()
)在上面代码片段的末尾我们可以很容易地看到这一点:
(Pdb) df[1].apply(lambda x: x**2)
0 12.321581
1 NaN
2 6.271398
3 NaN
4 3.633907
5 NaN
Name: 1, dtype: float64
(Pdb) new_df[1].apply(lambda x: x**2)
*** TypeError: unsupported operand type(s) for ** or pow(): 'str' and 'int'
您可能希望将所有内容保留为 float64
。 问题是,你用什么来替换 NaN
与?答案是:这取决于情况。只有您知道您的数据及其代表的内容。这里有几个选项(还有无数个选项):
您可以选择将它们保留为 NaN
s,这可能适合您正在做的事情。
>>> np.NaN ** 2
nan
>>> np.NaN - 100
nan
>>> np.sqrt(np.NaN)
nan
浮点运算不会执行任何操作:数据将保持为 NaN
。一些 python 库还处理 NaN
开箱即用。
另一个选择是替换 NaN
s 与一些其他浮点值。 WLOG,假设您正在尝试计算列之间的欧几里得距离,并且该距离代表您的模型的某些内容或代表您的问题的某些值。
您可以替换 NaN
具有一些“遥远”的值(value)。如果您的数据的范围为 [-1, 1](就像正弦数据一样),那么一个好的替代值可能是 -999。可以肯定的是,-999 会推送带有 NaN
的列。与其他柱足够远。欧几里得距离。因此,如果您想用 NaN
“惩罚”列,那么这就是您可能要做的。
OTOH,也许您希望包含 NaN 的列仅“平均”。欧氏距离(所以本质上只需用范围内的合理值填充 NaN 即可)。 0 位于 [-1, 1] 的中间,因此它可能是一个不错的选择。这意味着NaN
s 不会真正“惩罚”或“帮助”w.r.t.欧几里得距离。您还可以采用平均值(或其他形式的插值)来计算缺失值。例如,如果您的列向量是 [0, 1, NaN, .5, NaN, .7]
,您可能需要将其替换为 [0, 1, .75, .5, .6, .7]
(线性插值)。
只有您才能决定合适的替代品。
当有疑问时,尝试一些事情。很难预测特定的替代品将如何影响大型管道的结果。如果下游没有得到预期的结果,请适当调整替换策略,然后再试一次。
每种替换策略都有优点和缺点,并且会给您的下游模型/管道带来偏差:只需了解您所做的事情,并有充分的理由解释奇怪的结果并解释您可能引入的偏差。
您可以更换 float64
像这样(扩展上面的代码):
fill_value = 0.0 # Make sure it's a float. Only you can decide what it should be.
float_df = df.fillna(fill_value)
print(float_df)
print(float_df.dtypes)
输出(保持观察精度):
0 1 2 3 4
0 -3.030889 -3.510211 -3.502291 -3.502357 -3.502817
1 -3.460590 0.000000 -3.584687 0.000000 0.000000
2 -2.151932 -2.504276 -2.494087 -2.493053 -2.493741
3 -2.462477 0.000000 -2.556205 0.000000 0.000000
4 -1.712807 -1.906281 -1.902953 -1.902297 -1.902253
5 -1.883432 0.000000 -1.932924 0.000000 0.000000
0 float64
1 float64
2 float64
3 float64
4 float64
dtype: object
关于python - 替换数据框中的 NaN 截断数字,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51788981/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!