在Pandas中,可以使用isnull()和notnull()函数来查找NaN值。这两个函数返回一个布尔值的DataFrame,其中True表示对应位置的值是NaN,False表示不是NaN。
要在Pandas中有条件地查找NaN,可以使用这些布尔值DataFrame与原始DataFrame进行索引。以下是一个示例:
import pandas as pd
import numpy as np
# 创建一个包含NaN值的DataFrame
data = {'A': [1, 2, np.nan, 4],
'B': [np.nan, 2, 3, np.nan],
'C': [1, 2, 3, 4]}
df = pd.DataFrame(data)
# 使用isnull()函数查找NaN值
nan_df = df.isnull()
print(nan_df)
# 使用notnull()函数查找非NaN值
not_nan_df = df.notnull()
print(not_nan_df)
# 有条件地查找NaN值
condition = df['A'].isnull()
nan_values = df[condition]
print(nan_values)
输出结果:
A B C
0 False True False
1 False False False
2 True False False
3 False True False
A B C
0 True False True
1 True True True
2 False True True
3 True False True
A B C
2 NaN NaN 3
在上述示例中,首先使用isnull()函数创建一个布尔值DataFrame nan_df
,其中True表示对应位置的值是NaN。然后使用notnull()函数创建一个布尔值DataFrame not_nan_df
,其中True表示对应位置的值不是NaN。最后,使用条件df['A'].isnull()
来查找列'A'中的NaN值,并将结果存储在DataFrame nan_values
中。
希望这个答案对您有帮助!如果您需要更多关于Pandas或其他云计算相关的问题,请随时提问。
领取专属 10元无门槛券
手把手带您无忧上云