Question

df = pd.read_csv(file, sep=',', encoding='ISO-8859-1') 

column_names = list(df.columns)
col_mapping = {'Sex ':'Sex', 'Fatal (Y/N)': 'Fatal', 'Species ' : 'Species'}
df = df.rename(columns=col_mapping, copy=False)

我已将数据转换为包含字母或其他符号的df ['Age']列的值取值NaN

df['Age'] = np.where(pd.to_numeric(df['Age'], 'coerce').notnull(), df['Age'], NaN)

我尝试使用df.dropna(df.Age)来清除NaN值，但它给了我：TypeError：'Series'对象是可变的，因此无法进行散列

我想知道如何设置这个问题，以及如何对结果值进行分组和计数（即18 - 25年：215,25 - 50：300）以供将来绘图

Answer 1

您想使用参数df = df.dropna(subset=['Age'])

void drawBSplineCurve(vector<point> poly)
{
    int n, d;
    cout << "Enter degree of curve: ";
    cin >> d;
    n = poly.size();
    vector<double> uVec;
    int i;
    for(i=0;i<n+d;i++)
    {
        uVec.push_back(((double)i)/(n+d-1));
    }
    double x, y, basis, u;
    for(u=0;u<=1;u+=0.0001)
    {
        x = 0;
        y = 0;
        for(i=0;i<poly.size();i++)
        {
            basis = blend(uVec, u, i, d);
            x += basis*poly[i].x;
            y += basis*poly[i].y;
        }
        putpixel(roundOff(x), roundOff(y), YELLOW);
    }
}

double blend(vector<double> &uVec, double u, int k, int d)
{
    if(d==1)
    {
        if(uVec[k]<=u && u<uVec[k+1])
            return 1;
        return 0;
    }
    double b;
    b = ((u-uVec[k])/(uVec[k+d-1]-uVec[k])*blend(uVec, u, k, d-1)) + ((uVec[k+d]-u)/(uVec[k+d]-uVec[k+1])*blend(uVec, u, k+1, d-1));
    return b;
}

Answer 2

我找到了答案四个分组问题：

df['Age']=df[['Age']].astype(int)
Grouped_Age = pd.cut(df.Age,[5, 10, 20, 50, 100], right=True)
Age_counts = Grouped_Age.value_counts()

清理和分组值

2 个答案: