DataFrame中將資料中的某乙個值用其他值代替

1.在對資料進行分析時我們會遇到缺失值，其中有一部分缺失值是用"?"來表示的，我們對其進行填補時可能會出現"badinputerror: data is not float."的錯誤，因此我們可以用replace將其轉換為nan

import numpy as np

import pandas as pd
data = pd.dataframe(np.random.random(9).reshape((3,3))) 
print(data)
0 1 2
0 0.277842 0.933150 0.686117
1 0.245226 0.040764 0.198539
2 0.042279 0.013079 0.245121
data.iloc[np.random.randint(2),np.random.randint(2)] = "?"
print(data)
0 1 2
0 0.277842 0.933150 0.686117
1 ? 0.040764 0.198539
2 0.0422795 0.013079 0.245121
data = data00.replace("?",np.nan)
0 1 2
0 0.277842 0.933150 0.686117
1 nan 0.040764 0.198539
2 0.042279 0.013079 0.245121

data = data.replace("nan", 0)

data.iloc[1,0] +9
9#如果是下面的**
data = data.fillna(0)
data.iloc[1,0] + 9
......
......(出現錯誤)
typeerror: must be str, not int

python中DataFrame資料幀的統計方法

我們把每乙個column作為乙個樣本資料集，就可以對其進行一些統計學方法的計算，比如求和sum 求平均mean 求方差var 求標準差std 求個數count 求最大值max 求最小值min，等操作。我們用以下 來進行演示 import pandas as pd dict data df data ...

DataFrame中關於object資料型別的說明

1 構造乙個dataframe 圖中，我們構造了乙個dataframe，這個dataframe有2列，第一列全部都是數值型別，第二列中既有數值型別又有布林型別。對於col1列，由於都是同一種資料型別，系統能夠辨認出來，這是一種int數值型別 int64是一種預設的資料型別 對於col2列，由於這一列...

DataFrame中的資料選取與過濾

在資料分析前，篩選出我們所需要的資料是非常必要的手段，下面簡單介紹幾種方法 匯入資料 1 匯入pandas和numpy庫 2import pandas as pd 3import numpy as np 4from pandas import series,dataframe 5 test pd.r...