Question

以下是CSV数据的快照， file

我想用0替换null或者＆＃39; nan＆＃39;，并在列中删除所有其他条目＆＃39;死亡年份＆＃39;：

import pandas as pd
import numpy as np
mydata_csv = pd.read_csv('D:\Python\character-deaths.csv',sep = ',',encoding = 'utf-8')
mydata_csv
del mydata_csv['Book of Death']
del mydata_csv['Death Chapter']

if mydata_csv['Death Year'] == np.nan:
 mydata_csv['Death Year'] = 0
else:
 mydata_csv['Death Year'] = 1

以上代码产生以下错误：
ValueError：Series的真值是不明确的。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。

Answer 1

你有两个问题：

对系列/数据帧的逻辑运算不会产生标量结果。它产生一个if无法理解的向量。
NaN != NaN;即使列为if，您的NaN条件也永远不会成立。
```
In [9]: np.nan == np.nan
Out[9]: False
```

只需使用 np.where 。

mydata_csv['Death Year'] = np.where(mydata_csv['Death Year'].isnull(), 0, 1)

我建议的另一项改进是在删除列时使用 df.drop 。而不是del，尝试更多的熊猫版本：

mydata_csv = mydata_csv.drop(['Book of Death', 'Death Chapter'], 1)

Answer 2

您没有指定哪一行，但我怀疑您的问题在

if mydata_csv['Death Year'] == np.nan:

如果是这样，请尝试检查列是否首先包含数据，这是

if mydata_csv['Death Year'] is not None and mydata_csv['Death Year'] == np.nan:

希望有所帮助

Answer 3

我认为更好的是使用notnull表示布尔掩码，然后将其强制转换为int - ＆gt; True为1，False为0：

要使用missing data，必须使用isnull或notnull等特殊功能，请查看docs以获取更多信息。

#omit `sep=','` because default parameter
mydata_csv = pd.read_csv('D:\Python\character-deaths.csv', encoding = 'utf-8')
#simplify double del
mydata_csv = mydata_csv.drop(['Book of Death', 'Death Chapter'], axis=1)
mydata_csv['Death Year'] = mydata_csv['Death Year'].notnull().astype(int)

样品：

mydata_csv = pd.DataFrame({'Book of Death':[4,5,4,5,5,4],
                           'Death Chapter':[7,8,9,4,2,3],
                           'Death Year':[np.nan,3,5,np.nan,1,0],
                           'col':[7,8,9,4,2,3]})

print (mydata_csv)   
   Book of Death  Death Chapter  Death Year  col
0              4              7         NaN    7
1              5              8         3.0    8
2              4              9         5.0    9
3              5              4         NaN    4
4              5              2         1.0    2
5              4              3         0.0    3

mydata_csv = mydata_csv.drop(['Book of Death', 'Death Chapter'], axis=1)
mydata_csv['Death Year'] = mydata_csv['Death Year'].notnull().astype(int)
print (mydata_csv)   
   Death Year  col
0           0    7
1           1    8
2           1    9
3           0    4
4           1    2
5           1    3

Answer 4

见df.fillna（）＆amp; df.replace（）

getTable()

根据NaN将列值替换为0或1

4 个答案: